Какую нейросеть выбрать для анализа трейдинга: 6 критериев

Выбирать нейросеть для трейдинга стоит не по её обещанию «найти иксы», а по тому, умеет ли она честно работать с твоими данными, запускать расчёты, искать свежие новости и показывать источники. Хороший ИИ не угадывает следующую свечу. Он быстрее собирает материал для решения, считает то, что ты проверишь, и не прячет допущения под красивым текстом.

Плохой сценарий выглядит знакомо. Ты спрашиваешь: «Куда пойдёт BTC?» Получаешь три абзаца уверенного текста, пару индикаторов, цель выше текущей цены и стоп ниже. Вроде аналитика. По факту модель часто собрала общие паттерны из обучения, подстроилась под формулировку вопроса и не знает, какие данные были доступны рынку именно в момент решения.

Нормальный сценарий другой. Ты даёшь выгрузку сделок, просишь посчитать результат по сетапам, проверить влияние комиссии и проскальзывания, вывести серии убытков. Потом отдельно просишь собрать новости только из официальных релизов, дать ссылки и разделить факт, интерпретацию и гипотезу. Вот здесь нейросеть реально экономит время.

Выбор сводится к шести критериям:

1. Умеет ли инструмент работать с таблицами и запускать код.
2. Может ли он писать, объяснять и проверять торговый код.
3. Насколько свежо он ищет новости и документы.
4. Видны ли источники, даты и прямые ссылки.
5. Позволяет ли он контролировать расчёты и формат вывода.
6. Что происходит с загруженными данными и где заканчивается автоматизация.

Ниже сравним подходы без конкурса «кто умнее вообще». Для трейдера полезнее понять, какой инструмент ставить на конкретную задачу.

Почему нельзя выбирать ИИ по ответу «куда пойдёт биткоин»?

Нельзя, потому что один удачный прогноз не доказывает способность модели анализировать рынок, а серия красивых прогнозов не равна торговой системе. Проверять нужно воспроизводимую работу: какие данные использованы, когда они были доступны, как посчитан вывод и где модель могла ошибиться.

Языковая модель хорошо продолжает текст. Если попросить её дать сценарий по BTC, она соберёт правдоподобную картину из известных ей шаблонов: поддержка, сопротивление, ликвидность, макро, риск-аппетит. Но она не получает магический доступ к будущему потоку ордеров.

Это не делает её бесполезной. Просто у неё другая работа:

• привести выгрузку сделок к единому виду;
• написать скрипт для расчёта метрик;
• объяснить, что изменилось в отчёте биржи;
• найти первичные документы по событию;
• сформировать несколько условий торгового плана;
• проверить, не противоречат ли твои правила друг другу;
• разобрать ошибки из журнала сделок.

Если хочется разобраться именно с границами технологии, сначала прочитай материал «Может ли ИИ предсказать курс биткоина». Там ключевой вопрос сформулирован правильно: не «насколько убедительно звучит ответ», а «какие данные и метод стоят за ним».

У модели нет права заменить риск-менеджмент. Ставить размер позиции, определять допустимую просадку и нажимать кнопку входа всё равно придётся тебе. И это нормально: на рынке дорого обходится именно передача ответственности голосу, который звучит уверенно.

Какой ИИ лучше работает с таблицами и рыночными данными?

Для выгрузок сделок, свечей, фандинга и ончейн-метрик выбирай инструмент, который может выполнить код и показать его. Текстовая модель без вычислений способна объяснить формулу, но не даёт достаточной опоры для проверки результата на твоём файле.

По документации OpenAI, ChatGPT умеет анализировать загруженные файлы, строить таблицы и графики, выполнять Python-расчёты и преобразования в среде Jupyter. Поддерживаются, среди прочего, CSV, XLSX, PDF, JSON и текстовые файлы. Это делает его удобным первым вариантом для разового анализа выгрузки.

Anthropic в документации инструмента Code Execution указывает похожую механику для Claude через API: анализ данных, визуализация, сложные расчёты, обработка файлов и запуск системных команд. Google в документации Gemini API описывает инструмент Code Execution, который генерирует и запускает код. То есть смотреть нужно не только на название модели, но и на доступность исполнения кода в выбранном тарифе, приложении или API.

Сравнение по практической задаче выглядит так:

Задача	Что должно быть у ИИ	Подходящий тип инструмента	Что проверить руками
Разобрать CSV с историей сделок	Загрузка файла, Python, таблицы	ChatGPT или Claude с анализом данных	Число строк, часовой пояс, дубликаты
Посчитать доходность стратегии	Исполнение кода, доступ к библиотекам	ChatGPT, Claude API, Gemini API	Формулу доходности, комиссии, размер позиции
Нарисовать equity curve	Код, график, экспорт результата	Любой инструмент с Python	Ось времени, начальный капитал, пропуски
Почистить выгрузку с биржи	Преобразование CSV/XLSX, код	ChatGPT или Claude	Не пропали ли частичные исполнения
Сделать регулярный отчёт	API, сценарии, хранение кода	Claude API, Gemini API, Python-стек	Логи, обработку ошибок, версию данных
Проверить формулу на игрушечном примере	Прозрачный код и вывод	Любой ИИ с кодом	Результат вручную на нескольких строках

Есть важная деталь. Нейросеть может написать корректный Python и всё равно посчитать не то, потому что неверно поняла колонку. Например, fee указана в USDT, а она трактует её как процент. Или время сделок записано в UTC, а ты сравниваешь его с московской новостной лентой.

Перед расчётом дай модели обязательную команду:

Сначала перечисли столбцы, типы данных, число строк, пропуски, дубликаты, диапазон дат и часовой пояс. Ничего не считай, пока не покажешь допущения.

Это не делает её безошибочной. Зато убирает большую часть тихих ошибок, когда итоговая таблица выглядит слишком гладко.

Для выбора самих показателей пригодится разбор «Анализ данных биткоина: какие метрики смотреть». Сначала реши, какую гипотезу проверяешь. Потом подбирай данные. Не наоборот.

Нужна ли нейросети способность писать код для трейдера?

Подходит тем, кто хочет проверять гипотезы, автоматизировать рутину или разбирать историю сделок глубже одной сводной таблицы. Первый запуск кода ИИ без ошибки ещё не означает, что торговая система готова.

Код нужен не ради статуса «я теперь алготрейдер». Он превращает повторяющийся вопрос в проверяемую процедуру. Например:

• каждый день собрать funding rate по заданному списку монет;
• пересчитать уровни волатильности;
• проверить, что происходит после аномального объёма;
• разметить сделки по сетапам;
• сравнить результаты лонгов и шортов;
• выгрузить сигнал по заранее заданным условиям.

Быстрым экспериментам хватает ChatGPT с исполнением Python. Для большого репозитория, нескольких файлов и длительной доработки логичнее использовать кодового агента. OpenAI описывает Codex как инструмент для работы с кодовой базой в отдельной изолированной среде и требует вручную проверять и валидировать сгенерированный код перед интеграцией. Но здесь есть ловушка. Трейдер показывает модели идею: «Покупаем, когда RSI ниже 30». Модель быстро выдаёт бэктест, где стратегия якобы приносит деньги. И всё, мозг уже рисует виллу.

Проверь четыре вещи:

1. Нет ли в коде заглядывания в будущее. Сигнал на закрытии свечи можно использовать только после её закрытия, а не внутри той же свечи.
2. Учтены ли комиссия, проскальзывание, спред и funding для бессрочных фьючерсов.
3. Не подбирались ли параметры на всём периоде до получения красивого результата.
4. Разделены ли данные на обучение гипотезы и проверку на новом участке.

Если эти пункты не выполнены, это не бэктест. Это презентация для собственного дофамина.

Подробный порядок проверки есть в статье «Бэктест торговой стратегии: как проверить идею». А если ты начинаешь с нуля, пригодится «Нейросеть для трейдинга на Python: что она умеет».

Как проверить ИИ на расчётах: учебный пример

Проверяй ИИ на маленьком расчёте, где правильный ответ известен заранее. Если инструмент путается на пяти сделках, давать ему годовую историю фьючерсов рано.

Возьмём условный депозит 10 000 USDT и пять одинаковых по размеру сделок. Это учебный пример, не модель доходности и не рекомендация.

Допущения:

• риск на одну сделку: 1% от депозита;
• денежный риск на сделку: 100 USDT;
• все сделки закрываются по стопу или тейку;
• комиссия и проскальзывание пока не учтены;
• результаты указаны в R, где 1R равен 100 USDT.

Сделка	Результат в R	Результат, USDT	Капитал после сделки, USDT
1	+2R	+200	10 200
2	-1R	-100	10 100
3	+1,5R	+150	10 250
4	-1R	-100	10 150
5	+3R	+300	10 450

Итог условного примера: плюс 450 USDT, или плюс 4,5% к исходному депозиту. Средний результат на сделку: 0,9R. Максимальная серия убытков здесь равна двум сделкам? Нет. Убыточные сделки разделены прибыльной, значит максимальная серия составляет один стоп подряд.

Вот на этом моменте многие ответы ИИ начинают плавать. Модель может посчитать среднее верно, но назвать просадкой сумму всех минусовых сделок. Это разные вещи.

Отдай ей такую задачу:

1. Вставь таблицу из пяти сделок.
2. Попроси посчитать итоговый PnL, средний R, win rate, profit factor и максимальную серию убытков.
3. Попроси показать формулу каждого показателя.
4. Попроси написать Python-код и вывести промежуточные значения.
5. Сверь хотя бы два результата вручную.

Если она ошиблась, не спорь с ней пять сообщений. Уточни формулу, приложи ожидаемый ответ и запусти расчёт заново. Модель полезна как быстрый исполнитель, но не как кассир без ревизии.

В реальной выгрузке нужно добавить комиссии. Допустим, по условиям твоей биржи совокупные комиссии и проскальзывание съели 18 USDT на пять сделок. Тогда учебный чистый результат снижается с 450 до 432 USDT. В сделках с маленьким целевым движением именно этот слой часто съедает красивую статистику.

Что важнее для новостей: скорость или ссылки?

Для новостей важнее проверяемые ссылки, дата публикации и первоисточник. Скорость без этого превращается в ускоренную доставку слухов к твоему депозиту.

Новости в трейдинге особенно коварны. Один и тот же заголовок может быть:

• реальным решением регулятора;
• пересказом старой новости;
• утечкой без подтверждения;
• комментарием аналитика;
• постом аккаунта, который выглядит официальным;
• реакцией рынка, выданной за причину движения.

Для первичного поиска удобны Perplexity, Gemini с Deep Research и модели с подключённым веб-поиском. Perplexity на официальной странице Deep Research пишет, что этот режим выполняет десятки поисков, читает сотни источников и формирует отчёт. Google указывает, что Deep Research в Gemini по умолчанию использует Google Search, а пользователь может подключать дополнительные источники, включая Gmail и Drive, если доступна интеграция.

Это полезно, но не отменяет проверку. Ссылка под абзацем не гарантирует, что абзац точно передаёт содержание документа. Она лишь даёт тебе дорожку к документу.

Рабочая последовательность такая:

1. Попроси ИИ собрать событие только с прямыми URL, датами публикации и названиями организаций.
2. Открой минимум два первоисточника: сайт компании, биржи, регулятора, протокол, релиз, официальный аккаунт.
3. Отдели факт от интерпретации. «ETF подал форму» и «ETF будет одобрен» - это разные утверждения.
4. Проверь время. Рынок мог отработать новость до того, как ты её увидел.
5. Посмотри на цену, объём, открытый интерес и ликвидации отдельно от заголовка.
6. Сформулируй сценарии: что должно случиться, чтобы идея потеряла актуальность.

Если ты регулярно работаешь с потоком событий, прочитай «ИИ для анализа новостей рынка: как использовать». Там ИИ стоит воспринимать как фильтр и помощник по структуре, а не как новостное агентство с правом на ошибку.

Какие источники может использовать нейросеть и почему это критично?

Нейросеть полезна ровно настолько, насколько понятны происхождение её данных и границы доступа к ним. Модель без веб-поиска может опираться на старые знания; модель с поиском способна принести свежую ссылку, но не обязана верно её истолковать.

Вопросы, которые стоит задать до оплаты подписки:

Вопрос	Почему это важно
Есть ли поиск в интернете?	ИИ без поиска может не знать сегодняшние события
Показываются ли прямые ссылки?	Прямые ссылки позволяют проверить утверждение
Видна ли дата источника?	Иначе старую новость легко принять за новую
Можно ли ограничить домены?	Ограничение доменов помогает отсечь мусор и оставить регуляторов, биржи, проекты
Можно ли загрузить свои документы?	Загрузка документов нужна для работы с отчётами, журналом и правилами стратегии
Есть ли API или подключение инструментов?	API или подключение инструментов нужны для повторяемых процессов
Запускает ли ИИ код?	Выполнение кода не даёт расчёту превратиться в правдоподобную болтовню

Claude через API поддерживает веб-поиск, а документация указывает на цитаты в ответах с результатами поиска. Это технически полезные возможности, но они не дают модели статус первоисточника.

Для трейдера первоисточники обычно находятся в предсказуемых местах:

• официальные сообщения биржи;
• документация и блоги блокчейн-проектов;
• сайты регуляторов;
• судебные реестры и тексты решений;
• отчёты публичных компаний;
• ончейн-эксплореры и официальные API;
• методологии индексов и провайдеров данных.

Социальные сети могут помочь заметить событие раньше. Но они не должны быть финальной опорой для решения с риском денег.

Если хочешь подключать внешние данные к модели через инструменты, сначала разберись, что такое MCP-серверы и как ИИ получает данные. Там начинается настоящая польза, но там же появляются права доступа, ключи и новые точки ошибки.

Как сравнить ChatGPT, Claude, Perplexity, Gemini и кодовых агентов?

Сравнивать нужно по рабочему месту, а не по абстрактному «IQ модели». ChatGPT удобен как универсальная тетрадь для файлов и Python, Perplexity силён как исследователь с цитатами, Claude и Codex полезнее там, где начинается постоянная работа с кодом и инструментами.

Инструмент	Сильная задача для трейдера	Что проверять до выбора	Слабое место
ChatGPT	Анализ CSV/XLSX, графики, расчёты, черновики скриптов	Доступен ли анализ файлов и Python на твоём тарифе	Итог легко принять на веру, не открыв код
Claude	Сложные документы, кодовые задачи, агентные сценарии	Нужны ли API, Code Execution, веб-инструменты	Возможности зависят от поверхности продукта и настроек
Perplexity	Сбор свежих новостей и ссылок	Качество конкретных ссылок, дату, первичный ли это источник	Цитата не заменяет чтение документа
Gemini	Исследование с Google Search, код через API	Доступность Deep Research и подключённых источников	Поиск не гарантирует полноту или верную причинность
Codex или Claude Code	Репозиторий, бэктесты, автоматизация, тесты	Изолированность среды, доступы, логи, тесты	Код всё равно требует ревью
Локальный Python-стек с ИИ-помощником	Чувствительные данные и повторяемая аналитика	Что именно отправляется в облако	Потребует настройки и навыков

Универсальный ответ «бери одну модель и делай всё» обычно заканчивается тем, что человек пытается искать новости в инструменте без нормальных ссылок, а считать PnL в инструменте без исполнения кода.

Практичный набор может быть разделён так:

• один инструмент для файлов и вычислений;
• один для новостей и источников;
• один кодовый агент для повторяемой автоматизации;
• собственная папка со скриптами, данными и правилами проверки.

Не нужно покупать всё сразу. Сначала выбери задачу, которая повторяется каждую неделю. Например, разбор журнала сделок. Если ИИ сокращает два часа рутины до двадцати минут и результат проверяем, он окупает внимание. При использовании раз в месяц ради вопроса «куда биток» подписка вряд ли решит проблему.

Как провести тест нейросети за один вечер?

Проведи один и тот же набор из шести задач в двух-трёх сервисах. Не оценивай красоту ответа. Оцени скорость получения проверяемого результата, число ошибок и объём ручной доработки.

Тест занимает вечер, если заранее подготовить материалы:

• обезличенный CSV с 50-200 сделками;
• один новостной вопрос за прошлый период;
• простую торговую идею;
• короткий кусок Python-кода с намеренной ошибкой;
• шаблон таблицы для оценки.

Порядок теста:

1. Загрузить CSV и запросить описание структуры: столбцы, число строк, пропуски, дубликаты, даты, часовой пояс.
2. Попросить посчитать PnL, win rate, profit factor, максимальную просадку и результат по каждому сетапу.
3. Попросить построить equity curve и показать код.
4. Дать простую стратегию и попросить написать бэктест с комиссией, проскальзыванием и запретом заглядывания в будущее.
5. Попросить найти официальный источник конкретной новости за прошлую дату и отдельно отметить, где факт, а где вывод.
6. Вставить небольшой код с ошибкой и попросить найти её, написать тест и объяснить, почему она опасна для статистики.

Оцени каждый пункт по шкале от 0 до 2:

Балл	Значение
0	Ошибка, отсутствие источника, расчёт нельзя проверить
1	Ответ частично полезен, но требует заметной ручной доработки
2	Результат проверяем, есть код или ссылки, допущения названы

Максимум за шесть задач: 12 баллов. Сумма не должна быть единственным критерием выбора сервиса. Если тебе важны новости, 2 балла за источники ценнее красивого графика. При построении бэктестов главными становятся код и тесты.

Сохрани промпты. Без одинаковых задач сравнение быстро превращается в «сегодня одна модель была в настроении».

Полезные шаблоны запросов собраны в статье «Промпты для анализа рынка: как задавать вопросы». Сильный промпт здесь не магическое заклинание. Он просто фиксирует данные, формат, формулы и то, что нужно показать для проверки.

Какие ошибки чаще всего ломают анализ с ИИ?

Главная ошибка - принять связный ответ за проверенный анализ. После неё обычно приходят неправильные данные, подгонка стратегии, игнорирование издержек и слишком широкий доступ к аккаунтам.

Вот чек-лист перед тем, как использовать результат в торговом плане:

• Указаны дата данных и часовой пояс.
• Источник каждой ключевой цифры понятен.
• Для новостей открыты первичные источники.
• Расчёты сопровождаются формулой, кодом или понятной последовательностью действий.
• Учтены комиссия, funding, спред и проскальзывание.
• Тест стратегии не использует данные из будущего.
• Отдельная выборка не использовалась для подбора параметров.
• В загрузке нет API-ключей, seed-фраз, паспортных данных и лишних личных полей.
• Автоматизация не выводит средства и не меняет риск без твоего контроля.
• Решение о входе содержит условие отмены идеи.

Отдельно про ключи. Никогда не вставляй в обычный чат секретную фразу кошелька, приватный ключ или ключ API с правом вывода средств. Для исследовательских задач достаточно публичных данных или ключа без торговых и безвыводных разрешений. Как настроить доступ, разобрано в статье «API-ключи биржи: как выдать доступ и не потерять деньги».

Ещё одна ошибка - путать статистическую проверку и объяснение задним числом. ИИ великолепно объяснит, почему цена пошла вверх после того, как она уже пошла вверх. Это не значит, что он выделил рабочий фактор заранее.

Может ли ИИ разобрать журнал сделок лучше трейдера?

ИИ способен быстрее найти повторяющиеся паттерны в журнале, но смысл паттерна и качество исполнения должен оценить трейдер. Он не видел, почему ты вошёл раньше плана, испугался у уровня или закрыл позицию из-за новости, которую не записал в таблицу.

Самый полезный формат журнала для разбора:

Поле	Зачем оно нужно
Дата и время входа	Связать сделку с сессией и новостным фоном
Инструмент	Разделить поведение BTC, альткоинов и разных рынков
Направление	Сравнить лонги и шорты
Сетап	Понять, какой сценарий реально даёт результат
Вход, стоп, тейк	Проверить соблюдение риска
Размер позиции	Найти завышенный риск
Результат в R	Сравнивать сделки независимо от размера депозита
Комиссия и funding	Видеть чистый, а не воображаемый результат
Скрин до и после	Проверить контекст
Ошибка исполнения	Отделить плохую идею от плохой дисциплины
Эмоциональное состояние	Найти FOMO, месть рынку и усталость

Попроси ИИ не «проанализировать журнал», а ответить на пять конкретных вопросов:

1. Какие три сетапа дали больше всего результата после комиссий?
2. Где я чаще нарушал стоп или увеличивал риск?
3. Есть ли разница между утренними, дневными и вечерними сделками в моём часовом поясе?
4. Какие ошибки повторялись перед серией минусов?
5. Какие выводы статистически слабы из-за малого числа наблюдений?

Последний пункт особенно важен. На пяти сделках любой сетап выглядит как откровение. После двадцати уже стоит смотреть осторожно. Сотня даёт материал для более серьёзного разговора, но критичность нужна и там.

Как правильно вести исходные данные, смотри в статье «Дневник криптотрейдера: как вести и какие поля нужны».

Какой критерий важнее всего для новичка?

Новичку важнее всего прозрачность: ИИ должен показать источник, формулу, код или таблицу, по которой можно проверить ответ. Самая мощная модель без этой привычки ускорит накопление уверенных ошибок вместо обучения.

На старте не нужна система из десяти агентов. Нужна одна понятная связка:

1. Веди журнал сделок.
2. Раз в неделю выгружай его в CSV.
3. Загружай обезличенный файл в ИИ с исполнением кода.
4. Проси фиксированный отчёт по одной форме.
5. Проверяй ключевые цифры.
6. Меняй в торговом плане только одно правило за раз.
7. Наблюдай результат на новой серии сделок.

Нейросеть помогает сохранить дисциплину анализа. Но она не помогает, если ты меняешь правила после каждой красной сделки и называешь это адаптацией.

Основа всё равно лежит в управлении риском: размер позиции, стоп, допустимая дневная потеря, лимит сделок. Если этого нет, любая модель будет просто рисовать аналитику на крышке горящего депозита. Базовые правила собраны в материале «Риск-менеджмент в трейдинге простыми словами».

Когда ИИ лучше не использовать для торгового решения?

Не используй ИИ как единственный источник для срочного входа, как хранитель секретов и как автономного исполнителя сделок с доступом к выводу средств. Чем выше цена ошибки и меньше времени на проверку, тем меньше должна быть зависимость от одного сгенерированного ответа.

Есть ситуации, где нейросеть особенно опасна:

• ты видишь резкое движение и ищешь у неё разрешение войти;
• модель пересказывает слух без ссылки;
• расчёт нельзя воспроизвести;
• стратегия тестировалась на одном удачном участке;
• ты загрузил конфиденциальные данные, не разобравшись с политикой сервиса;
• бот получил широкие права, потому что «так удобнее»;
• ответ подтверждает то, что ты уже хотел сделать.

В последнем случае ИИ легко становится дорогим зеркалом. Сформулируй запрос наоборот: «Найди причины не входить в сделку и условия, при которых моя идея неверна». Затем попроси перечислить недостающие данные. Такой режим полезнее, чем просьба найти подтверждение лонгу.

Итог: какую нейросеть выбрать для анализа трейдинга?

Выбирай не «самую умную нейросеть», а набор возможностей под свою повторяющуюся задачу. Для таблиц и расчётов нужен исполняемый код, для новостей - ссылки и даты, для бэктестов - ревью кода и учёт издержек, для регулярной работы - журнал и воспроизводимый процесс.

Короткая карта выбора:

Если тебе нужно	Приоритет при выборе
Разбирать сделки и CSV	Python, загрузка файлов, видимый код
Проверять торговые идеи	Код, тесты, контроль данных из будущего
Следить за новостями	Веб-поиск, прямые ссылки, фильтр по доменам
Читать длинные документы	Работа с файлами, структурирование, цитирование
Автоматизировать отчёты	API, инструменты, логи, контроль доступов
Учиться анализу	Прозрачные объяснения, формулы, вопросы к твоим допущениям

Выбирай модель по реальной, но обезличенной задаче. Попроси показать источники, допущения и код. Сверь несколько чисел вручную. Если после этого она экономит время и не прячет логику, инструмент остаётся в наборе. Убедительные, но непроверяемые ответы оставь на уровне собеседника, не включая их в торговое решение.

Источники

1. OpenAI Help Center: Data analysis with ChatGPT - поддерживаемые файлы, Python-расчёты, таблицы и графики.
2. OpenAI Help Center: File Uploads FAQ - ограничения файлов и сведения о хранении загруженных материалов.
3. OpenAI: Introducing Codex - изолированные среды задач, работа с кодовой базой и необходимость ручной проверки результата.
4. Anthropic: Code execution tool - анализ файлов, вычисления, визуализация и выполнение кода.
5. Anthropic: Web search tool - веб-поиск через API и цитаты в ответах с результатами поиска.
6. Perplexity: Introducing Perplexity Deep Research - Deep Research выполняет десятки поисков, читает источники и формирует отчёт.
7. Google Help: Use Deep Research in Gemini Apps - источники Deep Research и использование Google Search по умолчанию.
8. Google AI for Developers: Code execution - выполнение кода через Gemini API.