
「Kronos 被一个阿里研究员干翻了」:一个 K 线模型怎么靠一张对比表拿到 star
它是什么 一个阿里视频 AI 研究员业余发的开源模型,用生成视频的方法一次画出股票和加密货币未来一整段 K 线,权重和演示数据免费,6GB 显卡能跑。
为什么火了 它把清华 4.8 万 star 的 Kronos 当靶子,对比表写着每个周期都赢;11 月 9 日和 12 日两个约 1 万粉的中英文 X 推荐号照着 README 转了它,每天涨星从 4 个左右跳到 20 到 40 个。
C你可以怎么跟 别再做一个 K 线模型;把它的发布打法用到自己的论文或项目上:对着一个几万 star 的龙头做,对比表放首屏,权重、数据、一键脚本当天放全,首波找 1 万粉上下的推荐号。想蹭金融这波,就做一个中立的第三方评测榜。
- 数据(每天更新) · 建库 2026-09-28 · 348 星 · 7 天 +147
GitHub · 星数 数据 2026-10-11 → 2026-11-20(41 天,40 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有
KiT 是一篇 arXiv 论文附带的开源仓库,做的是股票和加密货币的 K 线预测。它 49 天拿到 266 个 star,数量不大,但拿法很清楚:找一个 4.8 万 star 的龙头,在 README 第一屏摆出「每个周期都赢它」,把权重、数据、脚本放全,再等推荐号来转。下面讲它是什么、star 从哪来、这套打法谁能抄,以及为什么不建议再去做一个 K 线模型。
一条 9,000 次浏览的帖子
2026 年 11 月 9 日 15:57(UTC),一个 1.57 万粉的英文 X 账号 @phosphenq 发了一条帖子,第一句是:「Kronos (Tsinghua's 47K-star trading AI) - F*CKED by Alibaba researcher...」。往下写:他白天做视频 AI,悄悄发了一个股票模型,从 1 分钟线到日线每个周期都赢 Kronos,而且免费。再往下是 7 步教程,第一步「在空文件夹里打开 Claude Code(需要 6GB 以上的 N 卡)」,第二步是一句可以直接粘贴的话,让 Claude Code 去 GitHub 克隆仓库、从 Hugging Face 下模型和数据;最后一步是「want proof? run: python eval/cal_metrics.py」。
这条帖子有 9,201 次浏览、173 个赞、253 次收藏,收藏比赞多,说明很多人打算回头真跑一遍(X 页面数据,11-16)。在这之前一个月,KiT 每天只涨 4 个 star 左右;帖子之后的那个数据日(11-11)一天涨了 30 个。
三天后,11 月 12 日,一个 9,100 粉的中文 GitHub 项目推荐号 @_zheergen 发了一条 67 秒的视频帖,开头是「我靠!有人把股票 K 线预测做成了一个 AI 基础模型」,后面列了六条亮点,几乎都照抄 README。这条有 8,628 次浏览,第二天 KiT 又涨了 17 个 star。
它是什么
KiT 全名 K-line Diffusion Transformer。作者 Boyu Zhang,个人主页写的是 2026 年 3 月起在阿里做视频生成基础模型的高级研究工程师,之前在商汤,发过的论文都在 NeRF、渲染方向,金融不是他的本行。他 2025 年 10 月 fork 过 Kronos,还翻译过《量化金融面试绿皮书》中文版。
模型的思路是把视频生成的方法搬到 K 线上:给它一段历史 K 线,它一次生成未来一整段,而且生成 16 条,告诉你可能的范围。Kronos 是一根一根往后写,前面错一点,后面就越错越多,KiT 拿这一点当卖点。训练数据是美股、A 股、加密三个市场,从 1 分钟线到日线七个周期,共数十亿根 K 线。
放出来的东西:2.84 亿参数的权重、100 只股票的演示数据、单票预测、验证集推理和带手续费滑点的回测脚本,6GB 显卡就能跑。训练代码还没放。10 月 2 日权重上了 Hugging Face,到 11-16 模型下载 1,963 次,演示数据集 835 次(Hugging Face 页面)。star 只有两百多,下载接近两千,说明真有人在跑,不只是点个收藏。
star 是怎么一点点来的
| 时间 | 发生了什么 | star |
|---|---|---|
| 09-28 | 建库,同一天发 arXiv | 0 |
| 09-29 | Hugging Face 员工开 issue,例行邀请作者上传论文页和权重 | |
| 10-02 | 推理代码、权重、演示数据一起放出 | |
| 10-11 | 论文聚合站、量化论文周刊陆续收录 | 20 |
| 10-16 | README 加了微信群二维码 | |
| 11-10 | 一个月里每天 4 个左右,没有峰值 | 148 |
| 11-09 → 11-11 | @phosphenq 英文帖 | 178(+30) |
| 11-12 → 11-13 | @_zheergen 中文视频帖 | 201 |
| 11-13 | 合作者提 PR,上线一个 A 股实盘模拟页,README 顶部挂了「Live Prediction」徽章 | |
| 11-16 | 一天 +39,来源没找到 | 266 |
(star 数是每天的 GitHub 快照,最后一行是 11-16 GitHub 页面。)
前一个月靠论文本身的曝光,每天 4 个,这是一篇普通 arXiv 论文的自然流量。拐点完全对得上那两条 X 帖。没上过 GitHub trending(建库不到两个月的仓库本来就很难上),也没有找到 Hacker News、Reddit、知乎、B 站、公众号上讲它的内容。11-16 那天的 +39 是最大的一天,但找不到对应的帖子,可能来自微信群或某个没被搜到的中文渠道(推断)。
实盘模拟页是 11 月 13 日上线的,页面写着每周按 KiT 预测调仓、买前 10 名,累计净值 +35.6%,同期中证 500 −13.68%。页面自己也注明了:模型的训练截止日期没有核实,这个结果不能当作样本外。教程里说模型只学到 2025 年底,可仓库里第二个权重文件名带着「train260410」,看起来训练数据到了 2026 年 4 月(推断)。不管怎样,这个页面是在两条帖子之后上线的,只能算放大器,不是起因。
凭什么是它涨起来
一、它站在 Kronos 的热度上。 Kronos 是清华团队做的 K 线基础模型,11-16 有 47,875 个 star,中文大号和知乎、B 站写过很多。11 月初 Kronos 刚又热了一波,11-03 一天涨了 691 个。KiT 的 README 主表第二、三行就是 Kronos 和微调后的 Kronos,关注 Kronos 的人想找「有没有比它强的」,一搜就找到了。
二、它给了推荐号一个现成的标题。 「每个周期都赢 Kronos」「波动率预测 0.66 对 0.50」,再加上「大厂视频 AI 研究员业余做的、免费」这个反差,推荐号几乎照抄 README 就能写出一条帖子。两条帖子的内容基本都来自 README 首屏。
需要提醒一句:收益率那张表里,KiT 七列全部加粗,对 Kronos 确实列列都赢;但同表的 Chronos-Bolt 在 1 分钟、30 分钟、2 小时三列的数比 KiT 高,TimesFM 2.5 在 30 分钟和 2 小时两列也更高(GitHub README,11-16)。收益率的平均值只比微调后的 Kronos 高 0.005。这是单人团队的预印本,没经过同行评审,也没有人做过第三方复现。
三、拿来就能跑。 推荐号敢写「try it as soon as possible」,是因为权重、数据、脚本都在,还能一句话交给 Claude Code 装好。同样有论文的金融时序模型 FinCast(中了 CIKM 2025)只有 143 个 star,做 A 股的 ZJ_Quant_03 只有 99 个:它们既没有这份能马上玩起来的完整度,也没有人帮它们推。
需求也真实。10 月 15 日有人在仓库里开了一个全大写的 issue:「I BEG U ON MY KNEES: PLS RELEASE THE TRAINING CODE」,说自己银行里只有 105 欧元、只有一张旧的 1070 Ti,租不起 H200,当天又自己发了一套根据论文和权重重建的训练、微调代码。作者第二天回复说训练代码还在整理,「目标大约一个月后放出」。到 11 月 16 日还没放。
谁在跟它抢
| 项目 | 是什么 | star(11-16 前后) |
|---|---|---|
| Kronos(清华) | K 线基础模型的龙头,2025-07 发布 | 47,875 |
| TimesFM(Google) | 通用时序模型 | 35,563 |
| Chronos / Chronos-2(Amazon) | 通用时序模型 | 6,309 |
| Timestral(Mistral) | 10-15 发布的通用时序模型 | 1,197,半个月就是 KiT 的 4 倍多 |
| Kronos 的周边仓库 | 给 Kronos 套界面、写中文教程 | 427 / 152 / 73 |
| FinCast | 金融时序模型,有论文 | 143 |
| ZJ_Quant_03 | A 股 K 线模型 | 99 |
这个赛道上,大厂通用模型靠名字拿 star,Kronos 一家独大,后来者基本停在一两百。KiT 是后来者里少数涨起来的,而它到现在也只有 Kronos 的 0.5%。还没有人照着 KiT 做第二个。
如果是你
C:能学到一套很好用的发布打法,但「再做一个 K 线模型」不划算。 后来者的天花板大约就是几百个 star,KiT 用了 49 天、两条推荐帖才到 266,而做一个能打 Kronos 的模型要研究能力和大量算力(那位 issue 作者说的 H200)。值得带走的是它的做法,不是它的赛道。
适合谁:手上本来就有论文要发的研究生和研究员,不管什么方向。把这套打法用在自己的论文上,比从零做一个项目便宜得多。
不适合谁:想靠「做个股票预测模型」冲 star 的独立开发者。没算力、赛道挤、对比表一被第三方复现不出就翻车;金融预测这个话题还很容易招来「又是割韭菜」的质疑。
怎么做:
- 选一个已经有几万 star 龙头的细分方向,做一个专门对着它的东西,对比表放在 README 第一屏,让推荐号可以写「X 被干翻了」。
- 论文、权重、演示数据、能直接跑的推理脚本当天一起放全,硬件门槛写清楚(KiT 写的是 6GB 显卡),再附一句能粘给 Claude Code 的安装提示词。完整度决定推荐号敢不敢推。
- 加一个持续更新、让人每周回来看的页面(KiT 是实盘模拟页),外加一个社群入口。
- 如果非要蹭金融这波,与其再训一个模型,不如做那张谁都没做的表:把 Kronos、KiT、TimesFM、Chronos 放在同一份新数据上跑,公开一个持续更新的第三方评测榜(推断:现在每家的对比表都是自己报的,一张中立的表本身就是推荐号素材)。
怎么获客:Hugging Face 论文页和量化论文周刊只能带来每天几个 star;真正的拐点是 X 上 1 万粉上下的中英文 GitHub 项目推荐号。英文用「X 被干翻了」体,中文用「我靠!有人把……做成了……」体,内容直接取自你的 README 首屏,所以首屏要写成他们能照抄的样子。
什么时候之前:想做 KiT 周边(比如训练、微调工具)的,要赶在作者放出官方训练代码之前,他自己说的时间是 11 月中旬前后;想做评测榜的,趁 Kronos 和 KiT 这一波热度还在,12 月前上线。
什么情况说明看错了:① 两周后 KiT 每天又回到个位数 star,说明这只是两条帖子带来的一次性流量,打法的复制价值要打折;② 有人第三方复现,KiT 赢不了 Kronos,「打龙头」的叙事会反噬;③ 反过来,如果 KiT 在 12 月前过了 1,000 star、开始有人照着做第二个,说明这个后来者位置比看上去值钱,金融时序赛道还能再挤进一个。
研究底稿:竞品表、获客证据、完整研究报告
- 竞品
名字 在哪 上线 规模 它和这家不同在哪 Kronos(清华 shiyu-coder/Kronos) 开源 2025-07 47,858 star;前 7 天 +2,106,11-03 单日 +691;GitHubDaily、知乎、B 站都写过很多 龙头,先离散成 token 再自回归逐根预测;KiT 一次生成整段路径并给出概率区间,整套叙事都是「赢 Kronos」 TimesFM(Google) 开源 2024-04 35,563 star 通用时序基础模型,不是专门为 K 线做的;KiT 表里拿它当对照 Chronos / Chronos-2(Amazon) 开源 2024-02 6,309 star 通用时序模型 Timestral(Mistral) 开源 2026-10-15 1,197 star 大厂通用多变量时序模型,半个月 star 就是 KiT 的 4 倍多 FinCast(vincent05r/FinCast-fts) 开源 2025-08 143 star 同样是金融时序基础模型,还中了 CIKM,但没打「赢 Kronos」,也没人推 ZJ_Quant_03(FSQ K 线基础模型) 开源 2026-05 99 star 做 A 股选股的 K 线模型,没有论文,也没人传 Sundial / Timer-XL / TiRex-2 / MOMENT / Lag-Llama 开源 2024–2026 150 到 1,600 star,基本停涨 学术界的通用时序模型 facecat-kronos 等 Kronos 衍生库 开源 2025-08 起 427 star 等 给 Kronos 套 UI 或写教程,不是新模型 microsoft/MarS 开源 2024-10 1,888 star 用生成式模型做市场模拟,不是做预测 - 用户从哪来
- 查实 arXiv 和论文聚合站、HF:09-28 发 arXiv;ML-Quant、ml4trading、HF Papers 都收录了;HF 的 NielsRogge 09-29 开 issue 邀请上传,10-02 上了 HF 权重和代码;前一个月每天约 4 个 star
- 查实 X 英文推荐号 @phosphenq:11-09 发帖「Kronos…F*CKED by Alibaba researcher」,附 Claude Code 一键安装教程;9,201 浏览、173 赞、253 收藏;下一个数据日 11-11 +30(之前每天约 4 个)
- 查实 X 中文 GitHub 推荐号 @_zheergen:11-12 发视频帖「我靠!有人把股票 K 线预测做成了 AI 基础模型」,8,626 浏览;11-13 +17
- 推断 实盘模拟页 + 微信群私域:10-16 README 加微信群码;11-13 合作者 PR 上线 trading.etfnav.org(NAV +35.6% vs 中证 500 -13.68%),README 顶部挂 Live Prediction 徽章;11-16 +39,但没找到对应的帖子
- 查实 量化圈 X 汇总:@LeeLeepenkman 10-20 的论文汇总推文列了它,量很小
KiT(Luciferbobo/KiT)为什么能涨起来
渠道:GitHub。数据卡刷新于 2026-11-16,GitHub API 也是 11-16 现查的。数据来源:我们的 github / hackernews 库、GitHub API、Hugging Face API,网页搜索用 Jina / Exa / Brave,推文数据用 fxtwitter(经 Jina 读取)。
一句话
KiT 是一篇 arXiv 论文(2609.34507,2026-09-28)配的开源仓库。作者是阿里的视频生成研究员,论文提出一个「K 线扩散 Transformer」基础模型,预测股票和加密货币的 K 线。它用 flow matching 一次生成多条未来 OHLCV 路径,不像 Kronos 那样一根一根往后写。README 里放了一张表,写着「每个周期都赢 Kronos / TimesFM / Chronos」。权重、100 只股票的演示数据和推理、回测代码都免费公开,6GB 显卡就能跑。
它的 star 基本是借 Kronos(清华的 K 线模型,4.8 万 star)的热度来的。 11 月初 Kronos 又热了一波,两个中等体量的 X 账号先后发帖:英文的 @phosphenq 写「Kronos 被一个阿里研究员干翻了」,中文的 @_zheergen 发了一条视频帖。star 曲线的拐点就在这两条帖子之后。总量还很小,49 天 265 star,算刚冒头,还谈不上跑出来。
1. 基本数据
- 2026-09-28 建库,同一天发 arXiv。数据卡记 11-16 有 247 star、27 fork;GitHub API 现查是 265 star、31 fork、8 个 watcher。
- 逐日曲线(github 库,10-11 到 10-27 来自 deeply 的历史数据,10-28 起每天拍一次):
- 09-28 → 10-11:涨到 20 star,前两周几乎没人看。
- 10-11 → 11-10:20 → 148,平均每天约 4 个,没有峰值。
- 11-11 当天 +30,11-13 +17,11-16 +39。近 7 天共 +103,前 7 天是 +34(数据卡)。
- 没上过 trending。建库不满约 60 天的库本来就上不了 trending(github 库 SCHEMA 的实测结论),所以这一点说明不了什么。
- Hugging Face(API,11-16 现查):模型
Lucifer744/KiT_model有 1,963 次下载、4 个赞,演示数据集 835 次下载,两者都是 10-02 建的。star 只有 265,模型下载却接近 2,000,说明确实有人下了权重在跑,不只是点个 star 收藏。 - 代码情况。数据卡写「零代码」,这不对。 10-02 的 commit「add complete project code」已经放进推理代码
kit_v1/(DiT、RoPE、AdaLN、采样器)、eval/(单票预测、验证集推理、算指标、回测)和三个规模的配置。没开放的只有训练代码,README 里写着「Train: TBD」。 - 作者 Boyu Zhang(GitHub Luciferbobo,104 个粉丝)。个人主页 thatbobo.com 写的是:2026-03 起在阿里任高级研究工程师,做视频生成基础模型;之前在商汤、鉴智机器人,UCLA 硕士,东南大学本科。他发过的论文都在 NeRF、渲染这些视觉方向,金融不是他的本行。他还 fork 过 Kronos(Luciferbobo/Kronos-finetune,2025-10),翻译过《量化金融面试绿皮书》中文版(28 star)。另外两个高 star 库是 Awesome-One-Step-Generation(163)和 vibe_coding_sim(94)。
- 论文第二作者署名 H Li(Google Scholar)。11-13 往仓库提「Add live predict demo」PR 的 haoruilee(李昊睿,主页 lihaorui.com,简介写「ex @alibaba,现 @QingCheng-AI」)很可能就是他,不过没核实。实盘模拟页 trading.etfnav.org 就是这个 PR 加上的。
2. 竞品:做「金融 K 线 / 时间序列预测基础模型」的有谁
| 名字 | 形态 | 上线 | 规模 | 和 KiT 的区别 |
|---|---|---|---|---|
| Kronos(shiyu-coder/Kronos,清华) | 开源 + 论文 + HF 权重 | 2025-07 | 47,858 star;近 7 天 +525,前 7 天 +2,106,11-03 单日 +691(github 库);GitHubDaily 等大号、知乎、B 站、腾讯云社区写过很多 | 同一件事的龙头,先把 K 线离散成 token,再自回归。KiT 的整套叙事都是「赢 Kronos」 |
| Kronos 衍生库(facecat-kronos、kronos-guide-cn、Kronos-demo 等) | 开源 | 2025-08 起 | 427 / 73 / 152 star | 给 Kronos 做 UI 或教程,说明 Kronos 养出了一批用户 |
| TimesFM(Google) | 开源通用时序基础模型 | 2024-04 | 35,563 star,近 7 天 +244 | 通用时序模型,不是专门为 K 线做的;KiT 表里拿它当对照 |
| Chronos / Chronos-2(Amazon) | 开源通用 | 2024-02 | 6,309 star | 同上 |
| Timestral(Mistral) | 开源通用 | 2026-10-15 | 1,197 star,10-20 单日 +202 | 大厂新出的通用时序模型,半个月拿到 KiT 的 4 倍多 star |
| Sundial / Timer-XL(清华 thuml)、TiRex-2、MOMENT、Lag-Llama、uni2ts | 开源通用 | 2024–2026 | 150 到 1,600 star | 学术界的通用时序模型,增长基本停了 |
| FinCast(vincent05r/FinCast-fts) | 开源,CIKM 2025 | 2025-08 | 143 star | 也是金融时序基础模型,论文也中了,但没打「赢 Kronos」,也没人帮它推 |
| ZJ_Quant_03(FSQ K 线基础模型) | 开源 | 2026-05 | 99 star | 也是做 A 股选股的 K 线基础模型,没有论文,也没人传 |
| microsoft/MarS | 开源 | 2024-10 | 1,888 star | 用生成式基础模型做市场模拟,方向相近 |
| 字节 ChatTS-14B | 开源 LLM | 2025 | 未核实 | 用大语言模型「读懂」K 线,路线不同 |
结论:这个赛道不缺对手,而且有一个绝对龙头 Kronos,它之后进场的金融时序模型几乎都没拿到 star(FinCast 143、ZJ_Quant 99)。KiT 是第二波进场者里少数涨起来的。
3. 用户从哪儿来(按时间)
- arXiv 和论文聚合站(09-28 起):ML-Quant(09-29 收录,周刊排名)、ml4trading.io、mlsanity、catalyzex、Semantic Scholar、HF Papers 都收了。HF 的 Niels Rogge 在 09-29 开了 issue #1「Release KiT on Hugging Face」,这是 HF 例行邀请论文作者上传。作者 10-02 照做,把权重和演示数据放上 HF,代码也同一天放出。这一段带来的是前 20 到 80 个 star,每天约 4 个。
- 量化研究圈的转发:@LeeLeepenkman 10-20 发过一条量化论文汇总推文,KiT 在列表里。量很小。
- 微信群(10-16 起):README 加了「KiT WeChat Group」徽章和群二维码,群码过期就加助手的微信进群。11-13 换了新码。etfnav 演示页上也写着「Contact the authors / join the group」。这一步是把中文量化散户沉淀进私域,能不能算增长渠道还看不出来。
- @phosphenq 的英文 X 帖(11-09 15:57 UTC):账号 15.7k 粉丝。这条帖子 9,201 次浏览、173 赞、253 收藏(收藏比赞还多)、21 转发(fxtwitter)。文案原话是「Kronos (Tsinghua's 47K-star trading AI) - F*CKED by Alibaba researcher… his day job is video AI… beats it on every timeframe… for free」,后面附一份「用 Claude Code 一句话装好」的 7 步教程,最后一步是「want proof? run cal_metrics.py」。下一个数据日 11-11 是 +30(这之前每天约 4 个)。我们拍快照的时刻和推文时区可能差一天,这里按「帖子发出 1 到 2 天内」对应。
- @_zheergen(「爱吃折耳根的 Ace」)的中文 X 视频帖(11-12 00:55 UTC):账号 9.1k 粉丝,8,626 次浏览、64 赞、69 收藏(fxtwitter)。这是「我靠!有人把股票 K 线预测做成了 AI 基础模型」那种 GitHub 项目推荐号的格式,同一账号前一条推的是 TradingView 指标库。对应 11-12 +6、11-13 +17。
- 实盘模拟页 trading.etfnav.org(11-13 上线):A 股模拟盘,每周按 KiT 预测调仓,买前 10 名。页面写着 NAV 累计 +35.60%,同期中证 500 是 -13.68%,Sharpe 1.35,最大回撤 -20.51%,双边换手 71.9 倍。页面自己也说明了「训练截止日期没从权重里核实,结果不能视为样本外」。这是给散户看的钩子,README 顶部也挂了「Live Prediction」徽章。上线三天后 11-16 涨了 +39,可是没找到这一天对应的帖子或文章,原因不明。
- 没找到的渠道:HN(hackernews 库里没有)、Reddit、中文媒体或公众号、知乎、B 站都没找到讲 KiT 的内容;大号 GitHubDaily 写过 Kronos,没写过 KiT。
4. 它凭什么涨起来
- 借 Kronos 的名字和热度:README 主表把 Kronos-base 和微调后的 Kronos-base-FT 放在第二、三行。phosphen 的帖子标题就是「Kronos 不再是第一」。11 月初 Kronos 自己又热了一波(11-03 单日 +691,前 7 天 +2,106),关注 Kronos 的人顺着「有没有比它强的」找过来。
- 一句好转述的结论:「每个周期都赢 Kronos」「波动率 RankIC 0.66 比 0.50」,配上「阿里研究员、本职做视频 AI、业余做出来、免费」这个反差人设。推荐号几乎照抄 README,就能写出一条爆款格式的帖子。
- 拿来就能跑:284M 权重、演示数据、推理和回测脚本都齐,6GB 显卡就够,还能交给 Claude Code 一句话装好。所以推荐号敢写「try it as soon as possible」,HF 也真有约 2,000 次下载。同类的 FinCast、ZJ_Quant 都没有这份「立刻能玩」的完整度,再加上没人帮它们推。
- 给散户的钩子:实盘模拟页上的 +35.6% NAV 和每周调仓信号,加上微信群,对中文量化散户有吸引力。但它 11-13 才上线,在两条 X 帖之后,所以是放大器,不是起因。
- 体量要清醒看:49 天 265 star,在 Kronos 面前只是零头,比 Mistral 的 Timestral(1,197)也少得多。它只是在增长加速的早期,两条约 9k 浏览的帖子就能把它推起来,说明基数很低。
5. 差异化
- 技术上:KiT 用扩散 / flow matching 生成整段路径,不做自回归逐根预测,所以没有误差累积,还能给出概率区间(16 条路径的分布)。它同时预测收益率和波动率,在三个市场、七个周期(1 分钟到日线)上预训练。论文报告收益率 RankIC 均值 0.057,Kronos-FT 是 0.052;波动率 RankIC 0.66,Kronos-FT 是 0.50。注意这是单作者团队的预印本,没经过同行评审,也没有第三方复现。
- 差异化是不是它涨起来的原因?部分是。 推荐号转述的正是「生成整段、给区间、每个周期都赢 Kronos」这层差异,所以差异化被当成了传播素材。但让人看见它的是 Kronos 已经养大的需求和两条 X 帖。没人推的同类(FinCast 也有论文、也比通用模型强)就没涨起来。收益率 RankIC 只比 Kronos-FT 高 0.005,这个优势很薄。
6. 跟风者和可见度
- 跟风者:没有找到复制 KiT 的项目。社区里有人在 issue #5 发了一套「基于论文和权重重建的完整训练 + 微调代码」,issue #4 有人跪求作者放训练代码,这些是需求信号,不算抄。
- 可见度:只在小圈子里传。只有两条约 9k 浏览的 X 帖、一份量化周刊收录、一个微信群;没有媒体、HN 或大号写过,也没上过 trending。
7. 别人能借鉴的
- 找一个已经有几万 star 的龙头(Kronos),做一个「专门打它」的模型或库,把对比表放在 README 第一屏,让推荐号能用「X 被干翻了」当标题。
- 论文、HF 权重、能直接跑的推理脚本一起发,再给一段「一句话让 Claude Code 装好」的提示词。完整度决定推荐号敢不敢推。
- 加一个持续更新的「实盘 / 模拟盘」页,让散户每周回来看;用微信群做私域沉淀。
- 首波找中英文 GitHub 项目推荐号,账号 1 万粉上下就够把冷库推起来。
8. 还不确定的
- 11-16 那天 +39 是谁带来的,没找到(可能是微信群、公众号或小红书,没核实)。
- phosphen 和 zheergen 是自发写的还是作者或合作者找的,不知道。
- haoruilee 是不是论文二作、etfnav.org 归谁,都没核实。
- 实盘页 +35.6% 的起始日期和样本外情况,页面自己就说没核实。
- 训练代码什么时候放出、论文能不能中会,都不确定;Kronos 团队要是出新版,KiT 的叙事会失效。
- 我们拍快照的时刻和推文发出时刻怎么对应(差 0 天还是 1 天),只能大致对上。
出处
- 仓库 README 和提交记录:github.com/Luciferbobo/KiT(GitHub API 11-16 现查)
- 论文:arxiv.org/abs/2609.34507 ;HF Papers huggingface.co/papers/2609.34507 ;ML-Quant www.ml-quant.com/papers/arxiv/2609.34507/
- HF 模型和数据集下载数:huggingface.co/Lucifer744/KiT_model 、huggingface.co/datasets/Lucifer744/KiT_data_demo(API 11-16)
- 作者主页:thatbobo.com
- 实盘模拟页:trading.etfnav.org/?lang=en ,说明页 trading.etfnav.org/research/kit.en.html
- X:x.com/phosphenq/status/2119821802385920471(11-09)、x.com/_zheergen/status/2120681882451116132(11-12)、x.com/LeeLeepenkman/status/2112370581664612667(10-20)
- Issues:#1 NielsRogge(HF),#4 和 #5 求训练代码 / 社区重建,#7 实盘页 PR
- 竞品 star:github 库 repo_profile(11-16)