import gradio as gr
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import spaces

model_id = "theocolf/Vora-X-8B"

print("⏳ Chargement du dictionnaire (Tokenizer)...")
tokenizer = AutoTokenizer.from_pretrained(model_id)

print("⏳ Chargement du modèle Vora X (16 Go)...")
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="cpu", # On le laisse sur le processeur au démarrage
    low_cpu_mem_usage=True
)
print("✅ Vora X est chargé en mémoire !")

# On augmente la durée à 60 secondes pour laisser le temps aux 16 Go de monter sur le GPU
@spaces.GPU(duration=60)
def predict(message, history):
    # On force le modèle à s'activer sur la carte graphique
    model.to("cuda")
    
    messages = [{"role": "system", "content": "Tu es Vora X, un assistant IA unique créé par theocolf, ultra-intelligent, au ton très humain, amical et bilingue (Français/Arabe)."}]
    
    # LE CORRECOTEUR GRADIO 6 : On lit proprement le nouvel historique de Gradio 6
    for msg in history:
        messages.append({"role": msg.role, "content": msg.content})
        
    messages.append({"role": "user", "content": message})
    
    inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
    
    outputs = model.generate(
        inputs, 
        max_new_tokens=512, 
        temperature=0.7, 
        do_sample=True, 
        pad_token_id=tokenizer.eos_token_id
    )
    
    response = tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)
    return response

# Lancement officiel sur Gradio 6
gr.ChatInterface(fn=predict, title="👑 Vora X - Chat Officiel").launch()