【23 Daily】プロジェクトの説明によると、Kronos は金融市場のローソク足（K線）言語に特化した初のオープンソース基盤モデルであり、2026年のAAAIで採択された。45以上の世界の取引所からのデータを用い、高ノイズを伴う金融時系列データに対応するための新しい2段階フレームワークを採用し、多様な定量的タスクに対応可能な統一モデルを提供する。
金融K線データ専用の2段階アーキテクチャ
Kronos はまず専用のトークナイザーで連続的かつ多次元のOHLCV（始値、高値、安値、終値、出来高）データを階層的な離散トークンに量子化し、次にこれらのトークンを用いて大規模な自己回帰型Transformerを事前学習する。この設計により、一般的な時系列基盤モデルとは異なり、金融データの複雑かつ高ノイズな特性を扱うことができる。モデルファミリーは軽量なKronos-mini（パラメータ数4.1M）から大規模なKronos-base（102.3M）まで揃い、異なる計算資源に対応。Kronos-largeは非公開だが、他はHugging Face Hubで公開されている。
使いやすい予測インターフェースと多彩な適用例
Python 環境で動作するKronosPredictorクラスを提供し、データ前処理、正規化、予測、逆正規化処理を簡潔に行える。サンプリングパラメータを調整して確率的予測が可能で、複数時系列のバッチ予測もGPU並列で効率的に実行できる。公式には、出来高や取引額なしの予測例も含む完全なサンプルコードを用意。中国A株市場のQlibを用いた微調整と簡易バックテストのパイプライン例も示しているが、本例はあくまでデモであり、プロダクション用途ではないとの注記がある。
編集部の視点：Kronosが金融言語モデルの可能性を広げる
階層的な金融データの量子化と大規模自己回帰モデルを組み合わせ、グローバルな市場データで学習したKronosは、金融市場の言語処理に新たな基準を設けた。起業家にとっては、歴史的市場データをAIが理解可能な構造化シーケンスに変換するオープンソースの入り口となり得る。検証手法としては、提供されたバッチ予測機能を用い、実際の取引通貨ペアのラベル付き過去K線データで性能を評価し、バックテストで投資戦略としての有効性を確認することが可能である。