restructure some compilation units

src/llama-context.cpp

@@ -23,7 +23,7 @@
 //
 
 //kcpp: use a global flag to toggle pipeline parallelism to avoid messing with ctx params
-static bool kcpp_pipeline_parallelism = false;
+bool kcpp_pipeline_parallelism = false;
 
 static llm_graph_type ctx_type_to_graph_type(llama_context_type ctx_type) {
     switch (ctx_type) {

src/llama-grammar.cpp

@@ -36,7 +36,7 @@ using candidates_memos = std::unordered_map<size_t, llama_grammar_candidates>;
 using stack_memos = std::unordered_map<size_t, candidates_memos>;
 static stack_memos memo_cache;
 
-static void llama_grammar_reset_memos() {
+void llama_grammar_reset_memos() {
     memo_cache.clear();
 }
 

src/llama-grammar.h

@@ -78,6 +78,8 @@ const llama_grammar_rules  & llama_grammar_get_rules (const struct llama_grammar
 // positions
 void llama_grammar_accept(struct llama_grammar * grammar, uint32_t chr);
 
+void llama_grammar_reset_memos();
+
 std::vector<llama_grammar_candidate> llama_grammar_reject_candidates_for_stack(
         const llama_grammar_rules      & rules,
         const llama_grammar_stack      & stack,

src/llama-kv-cache-iswa.cpp

@@ -11,8 +11,8 @@
 // llama_kv_cache_iswa
 //
 //kcpp: use a global flag to adjust swa padding
-static int kcpp_extra_swa_padding = 0;
-static int kcpp_active_swa_size = 0;
+int kcpp_extra_swa_padding = 0;
+int kcpp_active_swa_size = 0;
 
 llama_kv_cache_iswa::llama_kv_cache_iswa(
         const llama_model & model,

src/llama-vocab.cpp

@@ -27,7 +27,7 @@
 // helpers
 //
 
-static bool OldBPETokenizerMode = false;
+bool OldBPETokenizerMode = false;
 
 struct naive_trie {
     naive_trie() : has_value(false), value(0) {

src/llama.cpp

@@ -19,7 +19,6 @@
 #include "llama-memory-recurrent.cpp"
 #include "llama-model-loader.cpp"
 #include "llama-model-saver.cpp"
-#include "llama-model.cpp"
 #include "llama-quant.cpp"
 #include "llama-hparams.cpp"
 #include "llama-graph.cpp"
@@ -47,10 +46,6 @@
 #include <iostream>
 #include <vector>
 
-#ifdef GGML_USE_CUDA
-#  include "ggml-cuda.h"
-#endif
-
 #if defined(_MSC_VER)
 #pragma warning(disable: 4244 4267) // possible loss of data
 #endif

src/models/deepseek4.cpp

@@ -210,9 +210,8 @@ static ggml_tensor * dsv4_build_kq_zero_bias(
     return ggml_fill(ctx, res, 0.0f);
 }
 
-//kcpp: avoid redefine conflict
-// static constexpr int64_t DSV4_CSA_RATIO  = 4;
-// static constexpr int64_t DSV4_HCA_RATIO  = 128;
+static constexpr int64_t DSV4_CSA_RATIO  = 4;
+static constexpr int64_t DSV4_HCA_RATIO  = 128;
 
 static ggml_tensor * dsv4_hc_affine(
         ggml_context * ctx,