Update app.py

app.py

@@ -2,29 +2,29 @@ import gradio as gr
 import time
 from transformers import pipeline
 
-# Инициализация моделей
+# Инициализация моделей (CPU-совместимые)
 models = {
     "ChatGPT-like": pipeline(
         "text-generation",
-        model="Gre8o8nta/ChatGPT",
-        tokenizer="Gre8o8nta/ChatGPT",
+        model="IlyaGusev/saiga_mistral_7b_text",
+        tokenizer="IlyaGusev/saiga_mistral_7b_text",
         device=-1
     ),
     "DeepSeek-like": pipeline(
         "text-generation",
-        model="deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B",
-        tokenizer="deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B",
+        model="deepseek-ai/DeepSeek-Coder-1.3B-instruct",
+        tokenizer="deepseek-ai/DeepSeek-Coder-1.3B-instruct",
         device=-1
     ),
     "GigaChat-like": pipeline(
         "text-generation",
-        model="IlyaGusev/saiga_mistral_7b_text",
-        tokenizer="IlyaGusev/saiga_mistral_7b_text",
+        model="tinkoff-ai/ruGPT3Large",
+        tokenizer="tinkoff-ai/ruGPT3Large",
         device=-1
     )
 }
 
-# Промпт простой
+# Обычный промпт
 def build_simple_prompt(user_input):
     return f"Клиент: {user_input}\nКатегория обращения:"
 
@@ -33,13 +33,13 @@ def build_cot_prompt(user_input):
     return (
         f"Клиент: {user_input}\n"
         "Проанализируй обращение клиента пошагово:\n"
-        "1. Определи суть проблемы.\n"
-        "2. Выяви возможные причины.\n"
-        "3. Предложи возможные решения.\n"
-        "На основе анализа, укажи категорию обращения:"
+        "1. В чём проблема?\n"
+        "2. Почему она возникла?\n"
+        "3. Как это можно решить?\n"
+        "Выведи итог: Категория обращения:"
     )
 
-# Генерация ответов
+# Генерация
 def generate_classification(user_input):
     prompt_simple = build_simple_prompt(user_input)
     prompt_cot = build_cot_prompt(user_input)
@@ -47,12 +47,12 @@ def generate_classification(user_input):
     results = {}
 
     for name, pipe in models.items():
-        # CoT ответ
+        # CoT
         start_cot = time.time()
         cot_output = pipe(prompt_cot, max_new_tokens=150, do_sample=True, top_p=0.9, temperature=0.7)[0]["generated_text"]
         end_cot = round(time.time() - start_cot, 2)
 
-        # Обычный ответ
+        # Simple
         start_simple = time.time()
         simple_output = pipe(prompt_simple, max_new_tokens=80, do_sample=True, top_p=0.9, temperature=0.7)[0]["generated_text"]
         end_simple = round(time.time() - start_simple, 2)
@@ -73,15 +73,15 @@ def generate_classification(user_input):
         results["GigaChat-like"]["simple_answer"], f"{results['GigaChat-like']['simple_time']} сек"
     )
 
-# Gradio UI
+# Gradio интерфейс
 with gr.Blocks() as demo:
-    gr.Markdown("🏦 **Сравнение моделей ChatGPT, DeepSeek и GigaChat по классификации банковских обращений (CoT и обычный)**")
+    gr.Markdown("## 🧠 Сравнение моделей (ChatGPT, DeepSeek, GigaChat) по классификации клиентских обращений")
 
     inp = gr.Textbox(label="Вопрос клиента", placeholder="Например: Я не могу перевести деньги", lines=2)
     btn = gr.Button("Сгенерировать")
 
     # ChatGPT-like
-    gr.Markdown("### ChatGPT-like")
+    gr.Markdown("### ChatGPT-like (Saiga Mistral)")
     cot1 = gr.Textbox(label="CoT ответ")
     cot1_time = gr.Textbox(label="Время CoT")
     simple1 = gr.Textbox(label="Обычный ответ")
@@ -95,7 +95,7 @@ with gr.Blocks() as demo:
     simple2_time = gr.Textbox(label="Время обычного")
 
     # GigaChat-like
-    gr.Markdown("### GigaChat-like (заменена на Saiga)")
+    gr.Markdown("### GigaChat-like (ruGPT3Large)")
     cot3 = gr.Textbox(label="CoT ответ")
     cot3_time = gr.Textbox(label="Время CoT")
     simple3 = gr.Textbox(label="Обычный ответ")
@@ -108,5 +108,3 @@ with gr.Blocks() as demo:
     ])
 
 demo.launch()
-
-