Update llm_sender_unified.py

llm_sender_unified.py

@@ -1,6 +1,7 @@
 """
 🤖 LLM Sender Unified Module
 ماژول یکپارچه برای ارسال به ChatGPT و Grok
+✨ با پشتیبانی از GPT-5 و O1 models
 """
 
 import requests
@@ -41,14 +42,14 @@ class LLMSender(ABC):
         """تغییر مدل"""
         self.model = model
         logger.info(f"✅ مدل تغییر یافت به: {model}")
-
+    
     def _uses_max_completion_tokens(self) -> bool:
         """بررسی اینکه آیا مدل از max_completion_tokens استفاده می‌کند"""
         models_with_completion_tokens = [
-        'o1-preview', 'o1-mini', 'o1',
-        'gpt-5', 'gpt-5.1', 'gpt-5-mini', 'gpt-5-nano', 'gpt-5-for'
+            'o1-preview', 'o1-mini', 'o1',
+            'gpt-5', 'gpt-5.1', 'gpt-5-mini', 'gpt-5-nano', 'gpt-5-for'
         ]
-        return any(self.model.startswith(prefix) for prefix in models_with_completion_tokens)   
+        return any(self.model.startswith(prefix) for prefix in models_with_completion_tokens)
     
     def send_simple(self, text: str, lang: str = 'fa') -> str:
         """ارسال ساده بدون system message سفارشی"""
@@ -102,23 +103,22 @@ class LLMSender(ABC):
             }
             
             # ساخت request body
-
             data = {
-              "model": self.model,
-              "messages": [
-                  {"role": "system", "content": system_msg},
-                  {"role": "user", "content": text}
-              ],
-             "temperature": temperature
+                "model": self.model,
+                "messages": [
+                    {"role": "system", "content": system_msg},
+                    {"role": "user", "content": text}
+                ],
+                "temperature": temperature
             }
-
-           # انتخاب پارامتر مناسب
+            
+            # ✨ انتخاب پارامتر مناسب برای max tokens
             if self._uses_max_completion_tokens():
                 data["max_completion_tokens"] = max_tokens
             else:
-               data["max_tokens"] = max_tokens
+                data["max_tokens"] = max_tokens
             
-             # ارسال با retry mechanism
+            # ارسال با retry mechanism
             for attempt in range(retry_count):
                 try:
                     logger.info(f"📤 ارسال درخواست به {self.__class__.__name__} (تلاش {attempt + 1}/{retry_count})...")
@@ -299,6 +299,16 @@ def create_llm_sender(
 # مدل‌های موجود برای هر provider
 AVAILABLE_MODELS = {
     "chatgpt": [
+        # ✨ مدل‌های جدید GPT-5
+        "gpt-5",
+        "gpt-5.1", 
+        "gpt-5-mini",
+        "gpt-5-nano",
+        # مدل‌های O1
+        "o1",
+        "o1-preview",
+        "o1-mini",
+        # مدل‌های GPT-4
         "gpt-4o-mini",
         "gpt-4o",
         "gpt-4-turbo",
@@ -316,6 +326,7 @@ AVAILABLE_MODELS = {
 if __name__ == "__main__":
     print("=" * 60)
     print("🤖 LLM Sender Unified - مثال استفاده")
+    print("✨ با پشتیبانی از GPT-5 و O1")
     print("=" * 60)
     
     # مثال 1: ChatGPT
@@ -336,9 +347,19 @@ if __name__ == "__main__":
     else:
         print("⚠️  کلید xAI API تنظیم نشده است!")
     
-    # مثال 3: لیست مدل‌ها
-    print("\n3️⃣  مدل‌های موجود:")
+    # مثال 3: تست مدل‌های جدید
+    print("\n3️⃣  تست مدل‌های جدید:")
+    print("\nمدل‌های با max_completion_tokens:")
+    test_models = ['o1', 'o1-mini', 'gpt-5', 'gpt-5-mini', 'gpt-4o']
+    for model in test_models:
+        sender = create_llm_sender("chatgpt", model=model)
+        uses_completion = sender._uses_max_completion_tokens()
+        print(f"  - {model}: {'✅ max_completion_tokens' if uses_completion else '❌ max_tokens'}")
+    
+    # مثال 4: لیست مدل‌ها
+    print("\n4️⃣  مدل‌های موجود:")
     for provider, models in AVAILABLE_MODELS.items():
         print(f"\n{provider.upper()}:")
         for model in models:
             print(f"  - {model}")
+