/ Модель
Каталог

Характеристики

Лицензия
MIT
Базовая модель
Kronos-small
Библиотека
kronos-mlx
Опубликована
12 апр 2026

Ссылки

Hugging Face

kronos-mlx-small

gxcsoccer
Прогноз временных рядовTime_series → time_series3 профессии

Компактная модель Kronos на Apple MLX для прогнозирования финансовых временных рядов по биржевым свечам.

257скачиваний за 30 дней0лайковвеса обновлены12 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Kronos-small (MLX) — порт на Apple MLX модели NeoQuasar/Kronos-small, предназначенный для прогнозирования финансовых временных рядов по биржевым свечам. Модель содержит 24,7 млн параметров; архитектура и веса сохранены без изменений относительно исходного чекпойнта PyTorch, а библиотека kronos-mlx пересчитывает необходимые служебные тензоры при инициализации.

Модель подходит для анализа последовательностей свечей и построения прогнозов финансовых временных рядов на устройствах Apple с MLX. Для линейных слоёв доступна 8-битная квантизация, сокращающая расход памяти примерно на 70% с умеренным снижением качества. README сообщает о численном совпадении целочисленных вычислений и отклонении результатов с плавающей точкой не более примерно 5×10⁻⁵ от версии PyTorch при одинаковых входах.

Модель распространяется по лицензии MIT. Она ориентирована на финансовые временные ряды; README не заявляет поддержку обычного текста или других модальностей.

Сценарии применения

  • прогнозирование будущих значений биржевых свечей
  • анализ последовательностей финансовых временных рядов
  • запуск модели Kronos на устройствах Apple с MLX

Ограничения

Модель предназначена для финансовых временных рядов в формате биржевых свечей. 8-битная квантизация уменьшает расход памяти, но может умеренно снизить качество.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kronos-small (MLX)

Apple MLX port of NeoQuasar/Kronos-small — a 24.7M-parameter foundation model for financial K-line (candlestick) forecasting (AAAI 2026).

The architecture and weights are unchanged from the upstream PyTorch checkpoint. The only difference is that PyTorch-only buffer tensors (*.rotary.inv_freq, tokenizer.bsq.basis, tokenizer.bsq.group_codebook, …) have been pruned because the kronos-mlx package recomputes them from scratch in __init__.

Usage

pip install kronos-mlx

from kronos_mlx import Kronos, KronosTokenizer, KronosPredictor

tokenizer = KronosTokenizer.from_pretrained("gxcsoccer/kronos-mlx-tokenizer-base")
model     = Kronos.from_pretrained("gxcsoccer/kronos-mlx-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,
)

For 8-bit weight quantization (~70% memory reduction on Linear layers, modest quality loss):

model = Kronos.from_pretrained("gxcsoccer/kronos-mlx-small", bits=8)

Numerical parity

Bit-exact integer paths and float divergence within ~5e-5 (max) of the upstream PyTorch reference under identical inputs. See the parity test suite for the validation methodology.

Original

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · kronos-mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
3131042

0 моделей

    Создать бенчмарк