app.py

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# Укажите имя модели
model_name = "mistralai/Mistral-7B-Instruct-v0.3"

# Загружаем токенизатор и модель
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Функция для генерации пояснений по фьючерсам
def generate_explanation(future_symbol):
    prompt = f"Объясните, как работает фьючерсный контракт на {future_symbol} и какие факторы влияют на его цену."
    
    # Токенизируем ввод
    inputs = tokenizer(prompt, return_tensors="pt")
    
    # Генерируем текст
    with torch.no_grad():
        outputs = model.generate(**inputs, max_length=200)
    
    # Декодируем результат
    explanation = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return explanation

# Пример использования
future_symbols = [
    "BNBUSDT", "BTCUSDT", "ETHUSDT", "SOLUSDT", 
    "DOGEUSDT", "ADAUSDT", "LTCUSDT", "ARKMUSDT",
    "ORDIUSDT", "AVAXUSDT", "TONUSDT", "MANAUSDT",
    "SUIUSDT", "NEIROUSDT", "EOSUSDT", "DOGSUSDT",
    "WLDUSDT", "TRXUSDT", "ZKUSDT", "EIGENUSDT"
]

for symbol in future_symbols:
    explanation = generate_explanation(symbol)
    print(f"Фьючерсный контракт на {symbol}:\n{explanation}\n")