← Zurück zum Blog
Aica. 7 Min. Lesezeit

Kronos: 4,1 Millionen Parameter, trainiert auf Kerzen. Die kleine Größe ist das Argument.

Veröffentlicht 7. Nov. 2026
Kronos: 4,1 Millionen Parameter, trainiert auf Kerzen. Die kleine Größe ist das Argument.

In einer Woche, in der ein Wissenschaftsmodell mit 753 Milliarden Parametern und ein Desktop-Agent mit 397 Milliarden Parametern erschienen sind, hat das Repository, das in der Finanzkategorie der GitHub-Trends am schnellsten steigt, 4,1 Millionen Parameter.

Kronos, von shiyu-coder, nennt sich selbst das erste Open-Source-Foundation-Model für Finanzkerzen. Trainiert wurde es auf Daten von mehr als 45 globalen Börsen, es steht unter MIT-Lizenz, und es wurde bei AAAI 2026 angenommen. Das Repository hat 47.000 Stars und hat diese Woche rund 3.000 dazubekommen, was für ein Projekt, dessen letzter Commit im April war, seltsam ist.

Über diese Stars lohnt es sich nachzudenken, weil sie etwas darüber sagen, was Leute gerade wirklich von KI wollen und was die Frontier-Releases nicht liefern.

Was es tut

Die Prämisse ist, dass ein Kerzenchart (K-line) eine Sprache ist, und Sprachen lassen sich tokenisieren.

Kronos arbeitet in zwei Stufen. Ein Tokenizer nimmt die kontinuierlichen, mehrdimensionalen Kerzendaten — Open, High, Low, Close und optional Volumen und Umsatz — und quantisiert sie in hierarchische diskrete Tokens. Ein decoder-only Transformer wird dann autoregressiv auf diesen Tokens vortrainiert, genau so, wie ein Sprachmodell auf Wörtern vortrainiert wird.

Eine Reihe kurzer Messingstäbe unterschiedlicher Höhe steht aufrecht auf grauem Papier, in warmem, tiefem Licht.

Diese Designentscheidung ist die ganze Wette. Ein allgemeines Foundation-Model für Zeitreihen behandelt eine Reihe meist als Zahlen und lernt, den nächsten Wert zu regressieren. Kronos behandelt eine Kerze als Symbol und lernt die Verteilung über das nächste Symbol. Die zweite Rahmung erlaubt Sampling, also eine Bandbreite von Zukünften statt einer Punktschätzung, und sie erlaubt, den gesamten Werkzeugkasten zu borgen, den das Sprachmodellieren in acht Jahren aufgebaut hat.

Die harte Arbeit macht der Tokenizer. Eine Kerze hat fünf Zahlen, die nicht unabhängig sind: High liegt immer über Open, Close und Low; Low immer darunter; Volumen korreliert mit der Range, und zwar je nach Instrument anders. Das ohne Zerstörung der Beziehungen in diskrete Symbole zu quantisieren, ist der Teil, der ein Paper gekostet hat.

Der Model-Zoo ist ungewöhnlich ehrlich

Vier Größen, drei davon offen.

Kronos-mini hat 4,1 Millionen Parameter bei 2.048 Token Kontext. Kronos-small hat 24,7 Millionen und Kronos-base 102,3 Millionen, beide mit 512 Token Kontext und gemeinsamem Tokenizer. Kronos-large hat 499,2 Millionen und ist nicht veröffentlicht.

Die kleinen Modelle zu veröffentlichen und das große zurückzuhalten ist eine vertretbare Position und eine zunehmend übliche. Sie gibt Forschern etwas zum Nachbauen und den Autoren einen kommerziellen Vorsprung. Sie bedeutet auch, dass der beste verfügbare offene Checkpoint ein Modell mit 102,3 Millionen Parametern ist, kleiner als die meisten Handy-Tastaturen.

Die Kontextlängen verdienen Aufmerksamkeit, weil sie begrenzen, was das Modell sehen kann. 512 Bars sind nicht viel. Bei Fünf-Minuten-Intervallen sind das etwa 42 Stunden, unter zwei Handelstagen. Bei Tagesbars sind es rund zwei Jahre, was vernünftiger ist. Wenn Ihre Strategie von Mustern abhängt, die sich über ein Quartal in Stundenkerzen entfalten, kann dieses Modell sie nicht in einem Durchlauf abbilden.

Wie man es startet

Python 3.10 oder neuer, dann pip install -r requirements.txt. Die Gewichte kommen von Hugging Face, unter der Organisation NeoQuasar.

Die Schnittstelle sind vier Zeilen.

tokenizer = KronosTokenizer.from_pretrained("NeoQuasar/Kronos-Tokenizer-base")
model = Kronos.from_pretrained("NeoQuasar/Kronos-small")
predictor = KronosPredictor(model, tokenizer, max_context=512)
pred_df = predictor.predict(df=x_df, x_timestamp=x_timestamp,
                            y_timestamp=y_timestamp, pred_len=120)

Ihre DataFrame braucht Spalten für open, high, low und close, Volumen und Betrag sind optional. Sie übergeben eine Series vergangener Zeitstempel und eine Series zukünftiger Zeitstempel, und der Predictor übernimmt Normalisierung, Prognose und Rücknormalisierung. Er kürzt Eingaben, die länger als das Kontextfenster sind, automatisch, was praktisch ist und auch ein stiller Weg, Information zu verlieren, also prüfen Sie Ihr Lookback.

Im Repo liegen Fine-Tuning-Skripte, eines für den Standardweg und eines, das aus CSV liest, dazu eine Web-UI und eine Reihe Beispiele. Das ist vollständiger als die meisten Research-Releases, was ein Teil davon ist, warum es weiter Stars anzieht.

Was hierarchische Tokens bringen

Das Wort hierarchisch in der Tokenizer-Beschreibung leistet echte Arbeit, und es ist der Teil, den die meisten überspringen.

Ein flacher Tokenizer würde eine Kerze in ein Symbol aus einem Codebook von einigen Tausend quantisieren. Das presst die fünf Zahlen in einen Index, und die Beziehungen zwischen ihnen verschmieren. Ein hierarchischer Tokenizer teilt die Arbeit: ein grober Token fängt die grobe Form der Kerze und ihre Lage relativ zur jüngsten Range, feinere Tokens fangen das Residuum. Grob ist es der Unterschied, einen Akkord als a-Moll zu beschreiben und ihn als a-Moll mit übermäßiger Quarte im Bass zu beschreiben.

Warum es stromabwärts zählt, ist die Generationsqualität. Wenn das Modell einen groben Token sampelt, hat es sich schon auf eine Region des Kerzenraums festgelegt. Die feinen Tokens müssen nur noch entscheiden, wo darin. Gesampelte Sequenzen bleiben viel länger plausibel, und plausible ferne Horizonte sind der ganze Sinn eines autoregressiven Preismodells.

Es macht den Tokenizer außerdem wiederverwendbar. Kronos-small und Kronos-base teilen einen Tokenizer, also muss ein Team, das das kleine Modell fine-tuned und später auf base wechselt, seine Datenpipeline nicht neu bauen.

Die Demo ist eine Warnung und ein Hinweis

Die offizielle Live-Demo prognostiziert das Paar BTC/USDT für die nächsten 24 Stunden.

Das ist eine seltsame Wahl für ein Modell, das auf 45 Börsen trainiert wurde, und die richtige für eine Demo. Krypto handelt durchgehend, also kann niemand Ihnen vorwerfen, eine Handelssession ausgesucht zu haben. Es ist zugleich der härteste mögliche Test, weil 24-Stunden-Kryptopreise nahe an einem Random Walk liegen und jedes Modell, das darauf eine Woche gut aussieht, in der nächsten Woche schlecht aussehen wird.

Das ist der Punkt, den man bei dieser ganzen Kategorie im Kopf behalten sollte. Ein Foundation-Model für Preisreihen kann echt nützlich sein und Ihnen trotzdem nicht sagen, was Sie kaufen sollen. Die nützlichen Anwendungen liegen stromabwärts und sind konkret: Lücken in einem Datenfeed füllen, plausible Szenarien für Risikosimulation erzeugen, erkennen, wenn eine Reihe begonnen hat, sich anders als ihre Historie zu verhalten, ein Segment markieren, in dem die Kerzenformen für dieses Instrument statistisch unwahrscheinlich sind. Nichts davon verlangt, dass das Modell die Richtung vorhersagt.

Die Anwendung, die Leute umbringt, ist die offensichtliche. Wenn Sie tausend Zukünfte aus Kronos sampeln und 60 Prozent davon nach oben driften, ist das eine Aussage über die Trainingsverteilung des Modells, nicht über morgen. Autoregressive Modelle sind sehr gut darin, das gesehene Muster fortzusetzen, und Finanzmärkte haben die Angewohnheit, Muster genau dann zu beenden, wenn genug Kapital darauf positioniert ist, dass sie weiterlaufen.

Warum ein kleines Modell gerade trendet

Drei plausible Gründe, und sie schließen sich nicht aus.

Der erste sind die Kosten. Ein Modell mit 102,3 Millionen Parametern läuft auf einem Laptop. Sie können eine Feature-Pipeline an einem Nachmittag durchiterieren, ohne GPU-Reservierung, und die Rückkopplungsschleife in der quantitativen Forschung ist dasselbe Problem wie die in der Videogenerierung: langsame Werkzeuge machen vorsichtige Leute.

Der zweite ist, dass die Frontier seltsam geworden ist. Billionen-Parameter-Modelle, die ein Rechenzentrum zum Servieren brauchen, Agenten, die Ihren Desktop bedienen, World Models, die mit 15 Bildern pro Sekunde streamen. Ein Modell, das eine enge Frage auf Ihrer eigenen Maschine beantwortet, ist eine Erleichterung.

Der dritte ist die Lizenz. MIT, Gewichte auf Hugging Face, Fine-Tuning-Skripte dabei, keine Gebietsausschlüsse, keine Umsatzschwelle. Für ein Quant-Team, das testen will, ob Kerzen-Tokenisierung auf seinem eigenen Instrument funktioniert, entfernt das jeden Grund, es nicht zu versuchen.

Ob der Ansatz hält, ist eine empirische Frage, die das Repository nicht entscheidet. Es veröffentlicht einen Model-Zoo und eine Demo, und die AAAI-Annahme sagt, dass die Methode Peer Review bestanden hat, was nicht heißt, dass sie ein gut abgestimmtes Gradient-Boosting-Modell auf Ihren Daten schlägt. Der ehrliche Test ist eine Walk-Forward-Evaluierung auf Ihrem eigenen Instrument gegen die Baseline, der Sie schon vertrauen, mit Transaktionskosten.

Dieser Test kostet ein Wochenende. Das Modell kostet nichts. Dieses Verhältnis ist der Grund, warum die Stars gestiegen sind.

Verwandte Artikel