用了八年量化策略，今天发现一个 499M 参数的模型把「K 线图」当语言来训练了——AAAI 2026 收录的论文把这个路子彻底拆开了

K线是所有交易者的共同语言，但AI一直读不懂它。原因很简单：K线不是文字，传统的NLP模型没法直接用。而传统量化模型要么靠手工特征工程，要么靠数字表格数据，始终没摸到K线的「语法」。

这件事，被一个叫 Kronos 的开源项目彻底变了。

2025年8月，清华团队开源了 Kronos——全球首个金融K线基础模型，在 AAAI 2026 正式录用。它的核心思路异常直接：把K线序列当作「语言」来处理，训练一个能读懂K线语法的 Foundation Model。

三个数字说清楚它的规模：45 个全球交易所数据预训练、4.1M 到 499.2M 四档参数、全系开源前三档权重。Kronos-mini 只有 4.1M 参数，Kronos-large 达 499.2M（闭源），全部从 Hugging Face 直接下载。

关键在于它怎么处理K线的「多维连续数据」问题。

传统方案：把 OHLCV（开盘价、最高价、最低价、收盘价、成交量）直接塞进 Transformer，结果是噪音淹没信号。Kronos 的做法分两阶段：

第一阶段：Kronos-Tokenizer 把连续多维 K线数据量化为层级离散 token——类似把声音信号转成音素，K线的「词」和「句子」由此产生。第二阶段：decoder-only Transformer 在这些 token 上做预训练，学习 K线序列中的结构性规律。

结果是一个统一模型可以同时处理预测、分类、异常检测等多种任务，不需要为每个任务单独建模。

代码层面，使用门槛极低：

：

官方还提供了一套微调脚本，可以把模型适配到特定市场的数据结构上。

这个方向的核心价值在于范式迁移：以前量化策略依赖专家定义特征，现在模型自己从原始 K线中提取规律。它本质上和 GPT 把文本当序列训练、CLIP 把图像当语言训练是一回事——只是这次，「语言」换成了 K线。

目前 Kronos-mini/small/base 三档开源，large 未开源。四档均支持 512 token context（以 K线根数为单位），Hugging Face 搜索 NeoQuasar 即可获取。Live Demo 展示 BTC/USDT 24 小时预测结果，可直接体验。

下一步可以做的：如果你有历史行情数据（CSV 格式，含 OHLCV），可以下载 Kronos-small 跑一遍预测流程，感受 tokenizer 和 Transformer 两阶段的具体效果差异。