Update app.py

app.py

@@ -2,23 +2,21 @@ import os
 import gradio as gr
 import torch
 import spaces
-from gradio import ChatMessage  # Importar el objeto correcto para Gradio 6
 
 # Configuración del token
 HF_TOKEN = os.getenv("HF_TOKEN")
 print(f"Token del entorno encontrado: {'Sí' if HF_TOKEN else 'No'}")
 
+# CAMBIO: Usamos un modelo disponible en la API gratuita
+MODEL_ID = "Qwen/Qwen2.5-Coder-7B-Instruct"
+
 def chat_response(message, history, system_message, max_tokens, temperature, top_p, user_token):
     """
     Genera la respuesta del chat compatible con Gradio 6.0.
-    history ahora es una lista de diccionarios o ChatMessage objects: [{'role': 'user', 'content': '...'}, ...]
     """
-    # Determinar el token a usar
     token = user_token if user_token else HF_TOKEN
 
     if not token:
-        # Si no hay token, agregamos un mensaje de error al historial
-        # Formato correcto: {'role': 'assistant', 'content': '...'}
         history.append({"role": "assistant", "content": "⚠️ **Error de Configuración**: No se encontró un token de Hugging Face. \n\nConfigura 'HF_TOKEN' en el Space o escribe tu token abajo."})
         yield history
         return
@@ -30,26 +28,24 @@ def chat_response(message, history, system_message, max_tokens, temperature, top
         yield history
         return
 
-    client = InferenceClient(token=token, model="deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct")
+    # Inicializar cliente con el NUEVO modelo
+    client = InferenceClient(token=token, model=MODEL_ID)
 
-    # Construir mensajes para la API
-    # history ya viene en el formato correcto para la API en Gradio 6
+    # Construir mensajes
     messages = [{"role": "system", "content": system_message}]
     
-    # Agregar el historial (ya es una lista de dicts con role/content)
     for msg in history:
-        # Asegurarse de que el mensaje tenga role y content
         if isinstance(msg, dict) and 'role' in msg and 'content' in msg:
             messages.append(msg)
-        elif hasattr(msg, 'role') and hasattr(msg, 'content'): # Si es objeto ChatMessage
+        elif hasattr(msg, 'role') and hasattr(msg, 'content'):
             messages.append({"role": msg.role, "content": msg.content})
 
-    # Agregar el mensaje actual del usuario
     messages.append({"role": "user", "content": message})
 
     response_text = ""
     
     try:
+        # Llamada a la API
         for chunk in client.chat_completion(
             messages,
             max_tokens=int(max_tokens),
@@ -60,30 +56,15 @@ def chat_response(message, history, system_message, max_tokens, temperature, top
             if chunk.choices and hasattr(chunk.choices[0].delta, 'content') and chunk.choices[0].delta.content:
                 response_text += chunk.choices[0].delta.content
                 
-                # En Gradio 6, para hacer streaming, debemos actualizar el último mensaje del historial.
-                # El historial 'history' contiene los mensajes previos. El último mensaje de usuario está al final.
-                # Pero necesitamos agregar el mensaje del asistente que se va construyendo.
-                
-                # Estrategia:
-                # 1. Copiar el historial actual (que tiene el mensaje del usuario al final).
-                # 2. Si el último elemento es del usuario, lo mantenemos.
-                # 3. Añadimos el mensaje del asistente en construcción como un nuevo elemento.
-                
                 current_history = list(history)
-                
-                # Verificar si el último mensaje es del usuario (lo cual debería serlo al iniciar la respuesta)
                 if current_history and current_history[-1].get('role') == 'user':
-                    # Añadimos el mensaje del asistente en construcción
                     current_history.append({"role": "assistant", "content": response_text})
                 else:
-                    # Si por alguna razón el último no es usuario, actualizamos el último asistente
-                    # (Esto es un caso borde, pero lo manejamos)
                     for i in range(len(current_history) - 1, -1, -1):
                         if current_history[i].get('role') == 'assistant':
                             current_history[i]['content'] = response_text
                             break
                     else:
-                        # Si no hay asistente, añadimos
                         current_history.append({"role": "assistant", "content": response_text})
                 
                 yield current_history
@@ -95,15 +76,15 @@ def chat_response(message, history, system_message, max_tokens, temperature, top
             error_text = "⚠️ **Token Inválido**: El token de Hugging Face no es válido."
         elif "429" in error_msg:
             error_text = "⚠️ **Demasiadas peticiones**: Intenta de nuevo en unos segundos."
+        elif "not supported" in error_msg.lower():
+            error_text = f"⚠️ **Modelo no soportado**: El modelo '{MODEL_ID}' no está disponible en la API gratuita actual. Intenta con otro modelo."
         else:
             error_text = f"⚠️ **Error**: {error_msg[:200]}"
         
         current_history = list(history)
-        # Actualizar o añadir mensaje de error
         if current_history and current_history[-1].get('role') == 'user':
             current_history.append({"role": "assistant", "content": error_text})
         else:
-            # Si no, actualizamos el último asistente existente
             for i in range(len(current_history) - 1, -1, -1):
                 if current_history[i].get('role') == 'assistant':
                     current_history[i]['content'] = error_text
@@ -119,10 +100,10 @@ def greet_gpu(n):
     zero = torch.Tensor([0]).to(device)
     return f"Hello {int(zero + n)} Tensor (GPU: {device})"
 
-# --- INTERFAZ DE GRADIO 6.0 ---
+# --- INTERFAZ ---
 with gr.Blocks() as demo:
-    gr.Markdown("# Esme - Chatbot AI")
-    gr.Markdown("🔐 **Opcional**: Escribe tu token de Hugging Face si no quieres usar el del Space.")
+    gr.Markdown("# Esme ")
+    gr.Markdown(f" Modelo actual: **{MODEL_ID}** | 🔐 Token opcional abajo")
 
     with gr.Row():
         token_input = gr.Textbox(
@@ -133,7 +114,6 @@ with gr.Blocks() as demo:
         )
         clear_btn = gr.Button("🗑️ Limpiar Chat", scale=1)
 
-    # Chatbot en Gradio 6 maneja automáticamente el formato de diccionarios
     chatbot = gr.Chatbot(
         label="Chat con Esme",
         height=600,
@@ -143,7 +123,7 @@ with gr.Blocks() as demo:
     with gr.Row():
         with gr.Column(scale=3):
             system_input = gr.Textbox(
-                value="Tu nombre es Esme, eres amable y amigable", 
+                value="Eres un asistente de programación experto y amable llamado Esme.", 
                 label="System Message"
             )
             max_tokens_input = gr.Slider(1, 4096, value=512, step=1, label="Max Tokens")
@@ -155,7 +135,6 @@ with gr.Blocks() as demo:
 
     chat_input = gr.Textbox(label="Mensaje", placeholder="Escribe aquí...")
     
-    # Evento de envío
     chat_input.submit(
         fn=chat_response,
         inputs=[
@@ -170,9 +149,7 @@ with gr.Blocks() as demo:
         outputs=[chatbot]
     )
     
-    # Limpiar chat
-    clear_btn.click(lambda: [], None, chatbot) # Devolver lista vacía para limpiar
+    clear_btn.click(lambda: [], None, chatbot)
 
 if __name__ == "__main__":
-    # Tema en launch()
     demo.queue(max_size=50).launch(theme=gr.themes.Soft())