第一个专门针对金融K线数据训练的开源基础模型，基于Transformer架构， 支持多种模型大小和Web界面交互，让金融预测变得更加智能和准确。
基于先进的两阶段框架，专门处理金融数据的高噪声特性
专门的分层量化器将连续的多维K线数据(OHLCV)转换为分层离散token， 为后续的Transformer训练提供高质量输入。
基于自回归Transformer的预测模型，能够处理复杂的金融时间序列， 提供准确的价格走势预测和风险评估。
支持全球45+交易所的数据，涵盖股票、加密货币、外汇等多个市场， 为不同资产类别提供统一的预测框架。
提供简洁的Python API和Web界面，支持批量预测和实时推理， 轻松集成到现有的量化交易系统中。
支持GPU加速和多GPU训练，提供从mini到large的多种模型规模， 满足不同计算资源和精度需求。
完全开源，支持自定义微调和扩展，提供完整的训练和部署工具链， 构建活跃的开发者社区。
提供多种规模的预训练模型，满足不同应用场景的需求
通过简单的命令行操作，即可启动Phoebe Web界面， 上传您的K线数据，获得智能预测结果。