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

# Detectar dispositivo (GPU se disponível)
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"Dispositivo usado: {device}")

# Carregar modelo e tokenizer
tokenizer = AutoTokenizer.from_pretrained("Gensyn/Qwen2.5-0.5B-Instruct")
model = AutoModelForCausalLM.from_pretrained("Gensyn/Qwen2.5-0.5B-Instruct").to(device)

# Função para geração de texto
def gerar_resposta(prompt, max_tokens, temperatura):
    inputs = tokenizer(prompt, return_tensors="pt").to(device)
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=max_tokens,
            do_sample=True,
            temperature=temperatura,
            top_p=0.9,
            repetition_penalty=1.1,
            pad_token_id=tokenizer.eos_token_id
        )
    resposta = tokenizer.decode(outputs[0], skip_special_tokens=True)
    if prompt in resposta:
        resposta = resposta[len(prompt):].strip()
    return resposta

# Interface Gradio
demo = gr.Interface(
    fn=gerar_resposta,
    inputs=[
        gr.Textbox(lines=4, label="Digite seu prompt"),
        gr.Slider(50, 500, value=200, label="Máx. tokens gerados"),
        gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="Temperatura")
    ],
    outputs="text",
    title="💬 Geração de Texto com Qwen 2.5 0.5B",
    description="Digite um prompt e veja a resposta do modelo Qwen2.5-0.5B-Instruct."
)

demo.launch(share=True)