Repo: shiyu-coder/Kronos
How to try: clone it, `pip install -r requirements.txt`, then load `NeoQuasar/Kronos-small` with `KronosPredictor` as in the README and compare its forecast with "repeat the last value" on your own series.
1 like · 6 views
今日のGitHubトレンド
shiyu-coder/Kronos
Kronosは、世界45以上の取引所のデータで学習された、金融ローソク足（Kライン）向けの初のオープンソース基盤モデルです。
OHLCVデータを階層的な離散トークンに量子化し、Transformerで学習する2段階フレームワークを採用することで、金融データ特有の高ノイズな特性に対応しています。
多様な計量分析タスクに活用できる統一的なモデルの提供を目的としています。
卧槽，Kronos 居然可以把 K 线当成语言来读。
再也不用盯着一堆指标手动猜走势了，它用预训练模型直接做行情预测，兄弟们赶紧用起来。
shiyu-coder/Kronos
2 likes · 69 views
Kronos is an open-source foundation model that reads candlestick charts like a language, trained on data from 45+ global exchanges. 🔗 shiyu-coder/Kronos
Credits: shiyu-coder/Kronos
#kronos #python #opensource
1 like
A foundation model for candlesticks
shiyu-coder/Kronos
3 likes · 2 reposts · 82 views
Top 10 Trending AI GitHub Tools (#1 Harvey Cold-Emails Strangers for You)
A countdown of 10 real, currently trending open-source AI GitHub projects. This week agents got everything a new hire gets on day one: memory, a map, a style guide, a supervisor. The #1 pick finds prospects, writes cold emails and books meetings on its own.
In countdown order: GuppyLM, a 9M-parameter model that trains in five minutes and thinks it is a fish. Impeccable, a design language with 62 detector rules for AI-built frontends. OpenUI, an open standard for generative UI that streams interfaces instead of paragraphs. billion-context, a proxy that folds and unfolds context for month-long coding sessions. ai-memory, shared long-term memory across 20+ coding agents.
Kronos, a foundation model for financial candlestick charts, small enough for a normal GPU. TokenSpeed, an inference engine for agent workloads on Blackwell-class hardware. Graphify, which turns a codebase into a queryable knowledge graph, offline. Forge, guardrails that make small local models reliable at tool calling. And at #1, Harvey, an autonomous sales agent with an approval outbox you should keep switched on.
Projects in this video:
GuppyLM: arman-bd/guppylm
Impeccable: pbakaus/impeccable
OpenUI: thesysdev/openui
billion-context: ranxianglei/billion-context
ai-memory: akitaonrails/ai-memory
Kronos: shiyu-coder/Kronos
TokenSpeed: lightseekorg/tokenspeed
Graphify: Graphify-Labs/graphify
Forge: antoinezambelli/forge
Harvey: ethanplusai/harvey
0:00 Intro
0:43 #10 GuppyLM
1:55 #9 Impeccable
3:15 #8 OpenUI
4:30 #7 billion-context
5:48 #6 ai-memory
7:07 #5 Kronos
8:27 #4 TokenSpeed
9:48 #3 Graphify
11:07 #2 Forge
12:24 #1 Harvey
13:35 Outro
Contact: digestibleinfohub@gmail.com
#Harvey #AI #GitHub #OpenSource #DevTools
5 likes · 168 views
Kronos AI Open Source Stock Model Has A Locked Catch
Kronos AI open source is trending on GitHub after the project gained five hundred seventy five stars in a single day, pushing it to forty three thousand stars total. Kronos is a foundation model trained on candlestick price data from over forty five exchanges, built to forecast where markets might move next, the same way a language model predicts text. The catch: the largest version, Kronos-large with about five hundred million parameters, is not released to the public, and the project's own guide says its example trading pipeline is not production-ready. Sources: shiyu-coder/Kronos Subscribe to The Daily Repo for the GitHub repos everyone is starring today. #Kronos #OpenSourceAI #GitHubTrending
24 views
Top 5 GitHub Today: Coding-Agent Skill for Security Audits #Shorts
This top-5 GitHub countdown helps you viewers will understand how Cloudflare turns coding agents into multi-phase security auditors and explore four other trending open source repositories.
Each pick is grounded in the repository's supplied documentation and linked below for your own review.
1. cloudflare/security-audit-skill — cloudflare/security-audit-skill
2. vllm-project/vllm — vllm-project/vllm
3. shiyu-coder/Kronos — shiyu-coder/Kronos
4. supabase/supabase — supabase/supabase
5. twentyhq/twenty — twentyhq/twenty
Subscribe for another evidence-backed GitHub roundup.
#GitHub #OpenSource #Programming #AI #Developers
#Shorts
41 views
@laobaishare 为什么一直有人推，而不是使用以后再推，这个东西基本没用啊，未来函数无效，结果等于抛硬币，还是得靠个人AI经验，操盘的人都可能换了，历史数据与未来函数有什么用呢？实测结论在这里：Kronos#299
4 likes · 517 views
金融K線専用の基盤モデルKronosにBTC/USDTの値動きを予測させてみた
AAAI 2026に採択された金融ローソク足(K線)専用の基盤モデル「Kronos」を、実際にBTC/USDTの1時間足データで動かし、予測結果を実際の値動きと突き合わせてみた。結論から言うと、CPUだけでも十分実用的な速度で動く一方、方向性(上がるか下がるか)の予測力については、今回の検証範囲ではコイン投げ程度にとどまった。
Kronosとは何か
Kronosは、世界45取引所・120億件超のK線(OHLCV)データで事前学習した、金融ローソク足専用の基盤モデルである(論文、MIT License)。専用トークナイザがOHLCVを階層的な離散トークンに変換し、自己回帰Transformerがそのトークン列を学習するという2段構成で、一般的な時系列基盤モデルよりも高いゼロショット予測性能(RankIC)を報告している。
モデルは4.1M(Kronos-mini)・24.7M(Kronos-small)・102.3M(Kronos-base)の3サイズがHugging Face Hubで公開されており、499.2MのKronos-largeのみ非公開。今回はKronos-miniでCPUでの実用性を確認したあと、READMEの公式サンプルと同じKronos-smallで本検証を行った。
検証の方針
有料APIキーは一切使わない方針なので、価格データはBinanceの公開REST API(APIキー不要)からBTC/USDTの1時間足を700本取得した。モデルに過去400時間分の実績を渡し、未来120時間分を予測させる。幸い、データ取得時点で既にその120時間分の実際の値動きも手元にあるので、予測結果と実績をそのまま突き合わせられる(バックテスト形式)。
curl -s "api.binance.com" -o btcusdt_1h.json
まずCPUでの実用性を確認する
着手前に気になっていたのは、「GPUが無いノートPC級の環境でも実用的な速度で動くのか」という点だった。最小モデルのKronos-miniで、GPUを明示的に隠した状態(CUDA_VISIBLE_DEVICES="")のCPU推論を試した。
$ CUDA_VISIBLE_DEVICES="" python3 cpu_feasibility_test.py
Load time: 7.1s
100%|██████████| 24/24 [00:00<00:00, 78.78it/s]
CPU predict time (Kronos-mini, lookback=200, pred_len=24): 0.3s
モデルの読み込み(初回はHugging Face Hubからのダウンロードを含めて約7秒)を除けば、推論自体は0.3秒で終わった。「GPUが無いと話にならない」という懸念は杞憂だった。
Kronos-smallで本検証: 400時間→120時間予測
公式READMEのサンプル構成(lookback=400, pred_len=120, T=1.0, top_p=0.9, sample_count=1)に合わせ、CPUとGPU(RTX 5060 Ti)の両方で実行した。
$ python3 main_run.py --device cpu --out cpu
PREDICT_TIME: 19.62s
$ python3 main_run.py --device cuda:0 --out gpu
PREDICT_TIME: 2.80s
項目
CPU
GPU
実行時間
19.62秒
2.80秒(約7倍速)
MAE(平均絶対誤差)
$1928.37
$1929.82
MAPE
2.33%
2.33%
方向性的中率(120ステップ中)
46.7%(56/120)
50.0%(60/120)
予測差分と実績差分の相関係数
0.034
0.043
CPUとGPUで予測時間には約7倍の差があったが、MAE・MAPEはほぼ同じだった(サンプリングを伴う生成なので、デバイス差というより毎回の乱数の揺らぎの範囲と見られる)。
実際の値動きと予測を重ねたグラフがこちらである。
400時間分の実績(青線)に続き、実際の値動き(緑線)は一度下落してから回復したのに対し、Kronosの予測(オレンジ点線)はほぼ一貫して上昇方向にずれていった。MAPE 2.33%という数字だけ見ると「そこそこ近い」ようにも見えるが、方向性的中率は46.7%〜50.0%と、コイン投げ(50%)を明確に上回ることはなく、予測差分と実績差分の相関係数も0.03〜0.04とほぼ0に近かった。少なくとも今回のBTC/USDT・この120時間という1つの窓では、方向性に関して統計的に意味のある予測力は確認できなかった。
複数サンプルの平均(sample_count)は救ってくれるか
論文・READMEでは、sample_countを増やして複数の予測パスを平均するとより安定した予測が得られるとされている。GPUならsample_count=10でも5.2秒程度なので、実際に試してみた。
$ python3 sample_count_test.py
{
"predict_time_sec": 5.16,
"mae_usd": 1891.23,
"mape_pct": 2.29,
"directional_accuracy": 0.45,
"diff_correlation": -0.116
}
MAE・MAPEはほぼ変わらず(わずかに改善)、方向性的中率はむしろ45.0%に下がり、相関係数も-0.116とマイナスに転じた。少なくとも今回の1回の試行では、サンプル数を増やす平均化が方向性の予測力を改善する効果は確認できなかった。
まとめ
Kronosの「データ準備 → トークナイザ → モデル推論」という一連の流れは、追加の有料APIキー不要・GPU不要で、実際のBTC/USDTデータに対して問題なく動作した。公式README通りの依存バージョンで、Python 3.12環境でもインストールトラブルは無かった。
CPUのみでも実用的な速度で動く。Kronos-miniなら200時間→24時間予測が0.3秒、Kronos-smallの400時間→120時間予測でも約20秒で完了し、GPU(RTX 5060 Ti)を使うと約7倍速くなった。
一方で、今回の実測では、価格の方向性を当てる力は確認できなかった。方向性的中率は46.7%〜50.0%でコイン投げ水準にとどまり、sample_countを増やしても改善しなかった。
MAE・MAPE自体は2.3%程度とそこそこ小さいが、これは市場全体の値動きのレンジに自然に追従しているだけで、投資判断に使える方向性のシグナルとは別物である点に注意したい。
公式の免責の通り、Kronosの出力は確率的なサンプルの1つであり、これ単体を投資判断の根拠にすべきではない。今回の1回・1銘柄・1期間の検証結果も、他の銘柄・期間では異なる結果になりうる。
出典・ライセンス
リポジトリ: shiyu-coder/Kronos (MIT License)
論文: arxiv.org (AAAI 2026)
価格データ: Binance Public API (api.binance.com)
検証コード・実行ログの全文はGitHubリポジトリのexperiments/day-022を参照。
Mentions
Repo: shiyu-coder/Kronos How to try: clone it, `pip install -r requirements.txt`, then load `NeoQuasar/Kronos-small` with `KronosPredictor` as in the README and compare its forecast with "repeat the last value" on your own series.
今日のGitHubトレンド shiyu-coder/Kronos Kronosは、世界45以上の取引所のデータで学習された、金融ローソク足（Kライン）向けの初のオープンソース基盤モデルです。 OHLCVデータを階層的な離散トークンに量子化し、Transformerで学習する2段階フレームワークを採用することで、金融データ特有の高ノイズな特性に対応しています。 多様な計量分析タスクに活用できる統一的なモデルの提供を目的としています。
卧槽，Kronos 居然可以把 K 线当成语言来读。 再也不用盯着一堆指标手动猜走势了，它用预训练模型直接做行情预测，兄弟们赶紧用起来。 shiyu-coder/Kronos
Kronos is an open-source foundation model that reads candlestick charts like a language, trained on data from 45+ global exchanges. 🔗 shiyu-coder/Kronos Credits: shiyu-coder/Kronos #kronos #python #opensource
A foundation model for candlesticks shiyu-coder/Kronos
Top 10 Trending AI GitHub Tools (#1 Harvey Cold-Emails Strangers for You) A countdown of 10 real, currently trending open-source AI GitHub projects. This week agents got everything a new hire gets on day one: memory, a map, a style guide, a supervisor. The #1 pick finds prospects, writes cold emails and books meetings on its own. In countdown order: GuppyLM, a 9M-parameter model that trains in five minutes and thinks it is a fish. Impeccable, a design language with 62 detector rules for AI-built frontends. OpenUI, an open standard for generative UI that streams interfaces instead of paragraphs. billion-context, a proxy that folds and unfolds context for month-long coding sessions. ai-memory, shared long-term memory across 20+ coding agents. Kronos, a foundation model for financial candlestick charts, small enough for a normal GPU. TokenSpeed, an inference engine for agent workloads on Blackwell-class hardware. Graphify, which turns a codebase into a queryable knowledge graph, offline. Forge, guardrails that make small local models reliable at tool calling. And at #1, Harvey, an autonomous sales agent with an approval outbox you should keep switched on. Projects in this video: GuppyLM: arman-bd/guppylm Impeccable: pbakaus/impeccable OpenUI: thesysdev/openui billion-context: ranxianglei/billion-context ai-memory: akitaonrails/ai-memory Kronos: shiyu-coder/Kronos TokenSpeed: lightseekorg/tokenspeed Graphify: Graphify-Labs/graphify Forge: antoinezambelli/forge Harvey: ethanplusai/harvey 0:00 Intro 0:43 #10 GuppyLM 1:55 #9 Impeccable 3:15 #8 OpenUI 4:30 #7 billion-context 5:48 #6 ai-memory 7:07 #5 Kronos 8:27 #4 TokenSpeed 9:48 #3 Graphify 11:07 #2 Forge 12:24 #1 Harvey 13:35 Outro Contact: digestibleinfohub@gmail.com #Harvey #AI #GitHub #OpenSource #DevTools
Kronos AI Open Source Stock Model Has A Locked Catch Kronos AI open source is trending on GitHub after the project gained five hundred seventy five stars in a single day, pushing it to forty three thousand stars total. Kronos is a foundation model trained on candlestick price data from over forty five exchanges, built to forecast where markets might move next, the same way a language model predicts text. The catch: the largest version, Kronos-large with about five hundred million parameters, is not released to the public, and the project's own guide says its example trading pipeline is not production-ready. Sources: shiyu-coder/Kronos Subscribe to The Daily Repo for the GitHub repos everyone is starring today. #Kronos #OpenSourceAI #GitHubTrending
Top 5 GitHub Today: Coding-Agent Skill for Security Audits #Shorts This top-5 GitHub countdown helps you viewers will understand how Cloudflare turns coding agents into multi-phase security auditors and explore four other trending open source repositories. Each pick is grounded in the repository's supplied documentation and linked below for your own review. 1. cloudflare/security-audit-skill — cloudflare/security-audit-skill 2. vllm-project/vllm — vllm-project/vllm 3. shiyu-coder/Kronos — shiyu-coder/Kronos 4. supabase/supabase — supabase/supabase 5. twentyhq/twenty — twentyhq/twenty Subscribe for another evidence-backed GitHub roundup. #GitHub #OpenSource #Programming #AI #Developers #Shorts
@laobaishare 为什么一直有人推，而不是使用以后再推，这个东西基本没用啊，未来函数无效，结果等于抛硬币，还是得靠个人AI经验，操盘的人都可能换了，历史数据与未来函数有什么用呢？实测结论在这里：Kronos#299
金融K線専用の基盤モデルKronosにBTC/USDTの値動きを予測させてみた AAAI 2026に採択された金融ローソク足(K線)専用の基盤モデル「Kronos」を、実際にBTC/USDTの1時間足データで動かし、予測結果を実際の値動きと突き合わせてみた。結論から言うと、CPUだけでも十分実用的な速度で動く一方、方向性(上がるか下がるか)の予測力については、今回の検証範囲ではコイン投げ程度にとどまった。 Kronosとは何か Kronosは、世界45取引所・120億件超のK線(OHLCV)データで事前学習した、金融ローソク足専用の基盤モデルである(論文、MIT License)。専用トークナイザがOHLCVを階層的な離散トークンに変換し、自己回帰Transformerがそのトークン列を学習するという2段構成で、一般的な時系列基盤モデルよりも高いゼロショット予測性能(RankIC)を報告している。 モデルは4.1M(Kronos-mini)・24.7M(Kronos-small)・102.3M(Kronos-base)の3サイズがHugging Face Hubで公開されており、499.2MのKronos-largeのみ非公開。今回はKronos-miniでCPUでの実用性を確認したあと、READMEの公式サンプルと同じKronos-smallで本検証を行った。 検証の方針 有料APIキーは一切使わない方針なので、価格データはBinanceの公開REST API(APIキー不要)からBTC/USDTの1時間足を700本取得した。モデルに過去400時間分の実績を渡し、未来120時間分を予測させる。幸い、データ取得時点で既にその120時間分の実際の値動きも手元にあるので、予測結果と実績をそのまま突き合わせられる(バックテスト形式)。 curl -s "api.binance.com" -o btcusdt_1h.json まずCPUでの実用性を確認する 着手前に気になっていたのは、「GPUが無いノートPC級の環境でも実用的な速度で動くのか」という点だった。最小モデルのKronos-miniで、GPUを明示的に隠した状態(CUDA_VISIBLE_DEVICES="")のCPU推論を試した。 $ CUDA_VISIBLE_DEVICES="" python3 cpu_feasibility_test.py Load time: 7.1s 100%|██████████| 24/24 [00:00<00:00, 78.78it/s] CPU predict time (Kronos-mini, lookback=200, pred_len=24): 0.3s モデルの読み込み(初回はHugging Face Hubからのダウンロードを含めて約7秒)を除けば、推論自体は0.3秒で終わった。「GPUが無いと話にならない」という懸念は杞憂だった。 Kronos-smallで本検証: 400時間→120時間予測 公式READMEのサンプル構成(lookback=400, pred_len=120, T=1.0, top_p=0.9, sample_count=1)に合わせ、CPUとGPU(RTX 5060 Ti)の両方で実行した。 $ python3 main_run.py --device cpu --out cpu PREDICT_TIME: 19.62s $ python3 main_run.py --device cuda:0 --out gpu PREDICT_TIME: 2.80s 項目 CPU GPU 実行時間 19.62秒 2.80秒(約7倍速) MAE(平均絶対誤差) $1928.37 $1929.82 MAPE 2.33% 2.33% 方向性的中率(120ステップ中) 46.7%(56/120) 50.0%(60/120) 予測差分と実績差分の相関係数 0.034 0.043 CPUとGPUで予測時間には約7倍の差があったが、MAE・MAPEはほぼ同じだった(サンプリングを伴う生成なので、デバイス差というより毎回の乱数の揺らぎの範囲と見られる)。 実際の値動きと予測を重ねたグラフがこちらである。 400時間分の実績(青線)に続き、実際の値動き(緑線)は一度下落してから回復したのに対し、Kronosの予測(オレンジ点線)はほぼ一貫して上昇方向にずれていった。MAPE 2.33%という数字だけ見ると「そこそこ近い」ようにも見えるが、方向性的中率は46.7%〜50.0%と、コイン投げ(50%)を明確に上回ることはなく、予測差分と実績差分の相関係数も0.03〜0.04とほぼ0に近かった。少なくとも今回のBTC/USDT・この120時間という1つの窓では、方向性に関して統計的に意味のある予測力は確認できなかった。 複数サンプルの平均(sample_count)は救ってくれるか 論文・READMEでは、sample_countを増やして複数の予測パスを平均するとより安定した予測が得られるとされている。GPUならsample_count=10でも5.2秒程度なので、実際に試してみた。 $ python3 sample_count_test.py { "predict_time_sec": 5.16, "mae_usd": 1891.23, "mape_pct": 2.29, "directional_accuracy": 0.45, "diff_correlation": -0.116 } MAE・MAPEはほぼ変わらず(わずかに改善)、方向性的中率はむしろ45.0%に下がり、相関係数も-0.116とマイナスに転じた。少なくとも今回の1回の試行では、サンプル数を増やす平均化が方向性の予測力を改善する効果は確認できなかった。 まとめ Kronosの「データ準備 → トークナイザ → モデル推論」という一連の流れは、追加の有料APIキー不要・GPU不要で、実際のBTC/USDTデータに対して問題なく動作した。公式README通りの依存バージョンで、Python 3.12環境でもインストールトラブルは無かった。 CPUのみでも実用的な速度で動く。Kronos-miniなら200時間→24時間予測が0.3秒、Kronos-smallの400時間→120時間予測でも約20秒で完了し、GPU(RTX 5060 Ti)を使うと約7倍速くなった。 一方で、今回の実測では、価格の方向性を当てる力は確認できなかった。方向性的中率は46.7%〜50.0%でコイン投げ水準にとどまり、sample_countを増やしても改善しなかった。 MAE・MAPE自体は2.3%程度とそこそこ小さいが、これは市場全体の値動きのレンジに自然に追従しているだけで、投資判断に使える方向性のシグナルとは別物である点に注意したい。 公式の免責の通り、Kronosの出力は確率的なサンプルの1つであり、これ単体を投資判断の根拠にすべきではない。今回の1回・1銘柄・1期間の検証結果も、他の銘柄・期間では異なる結果になりうる。 出典・ライセンス リポジトリ: shiyu-coder/Kronos (MIT License) 論文: arxiv.org (AAAI 2026) 価格データ: Binance Public API (api.binance.com) 検証コード・実行ログの全文はGitHubリポジトリのexperiments/day-022を参照。