/src/llama.cpp/src/llama-kv-cache-iswa.cpp

Source
#include "llama-kv-cache-iswa.h"

#include "llama-impl.h"
#include "llama-batch.h"
#include "llama-model.h"

#include <algorithm>
#include <cassert>

//
// llama_kv_cache_iswa
//

llama_kv_cache_iswa::llama_kv_cache_iswa(
        const llama_model & model,
                ggml_type   type_k,
                ggml_type   type_v,
                     bool   v_trans,
                     bool   offload,
                     bool   swa_full,
                     bool   unified,
                 uint32_t   kv_size,
                 uint32_t   n_seq_max,
                 uint32_t   n_ubatch,
                 uint32_t   n_pad,
    const layer_filter_cb & filter,
    const  layer_reuse_cb & reuse) : hparams(model.hparams), unified(unified) {

    // chain filters
    const layer_filter_cb filter_base = [&](int32_t il) {
        if (filter && !filter(il)) {
            return false;
        }

        return !model.hparams.is_swa(il);
    };

    const layer_filter_cb filter_swa  = [&](int32_t il) {
        if (filter && !filter(il)) {
            return false;
        }

        return  model.hparams.is_swa(il);
    };

    const uint32_t size_base = kv_size;

    // note: the SWA cache is always padded to 256 for performance
    //       https://github.com/ggml-org/llama.cpp/issues/17037
    uint32_t size_swa = GGML_PAD(std::min(size_base, hparams.n_swa*(unified ? n_seq_max : 1) + n_ubatch), 256);

    // when using full-size SWA cache, we set the SWA cache size to be equal to the base cache size
    if (swa_full) {
        LLAMA_LOG_WARN("%s: using full-size SWA cache (ref: %s)\n",
                __func__, "https://github.com/ggml-org/llama.cpp/pull/13194#issuecomment-2868343055");

        size_swa = size_base;
    }

    LLAMA_LOG_INFO("%s: creating non-SWA KV cache, size = %u cells\n", __func__, size_base);

    kv_base = std::make_unique<llama_kv_cache>(
            model, type_k, type_v,
            v_trans, offload, unified, size_base, n_seq_max, n_pad,
            0, LLAMA_SWA_TYPE_NONE, filter_base, reuse);

    LLAMA_LOG_INFO("%s: creating     SWA KV cache, size = %u cells\n", __func__, size_swa);

    kv_swa = std::make_unique<llama_kv_cache>(
            model, type_k, type_v,
            v_trans, offload, unified, size_swa, n_seq_max, n_pad,
            hparams.n_swa, hparams.swa_type, filter_swa, reuse);
}

void llama_kv_cache_iswa::clear(bool data) {
    kv_base->clear(data);
    kv_swa ->clear(data);
}

bool llama_kv_cache_iswa::seq_rm(llama_seq_id seq_id, llama_pos p0, llama_pos p1) {
    bool res = true;

    res = res & kv_base->seq_rm(seq_id, p0, p1);
    res = res & kv_swa ->seq_rm(seq_id, p0, p1);

    return res;
}

void llama_kv_cache_iswa::seq_cp(llama_seq_id seq_id_src, llama_seq_id seq_id_dst, llama_pos p0, llama_pos p1) {
    kv_base->seq_cp(seq_id_src, seq_id_dst, p0, p1);
    kv_swa ->seq_cp(seq_id_src, seq_id_dst, p0, p1);
}

void llama_kv_cache_iswa::seq_keep(llama_seq_id seq_id) {
    kv_base->seq_keep(seq_id);
    kv_swa ->seq_keep(seq_id);
}

void llama_kv_cache_iswa::seq_add(llama_seq_id seq_id, llama_pos p0, llama_pos p1, llama_pos shift) {
    kv_base->seq_add(seq_id, p0, p1, shift);
    kv_swa ->seq_add(seq_id, p0, p1, shift);
}

void llama_kv_cache_iswa::seq_div(llama_seq_id seq_id, llama_pos p0, llama_pos p1, int d) {
    kv_base->seq_div(seq_id, p0, p1, d);
    kv_swa ->seq_div(seq_id, p0, p1, d);
}

llama_pos llama_kv_cache_iswa::seq_pos_min(llama_seq_id seq_id) const {
    // the base cache is a superset of the SWA cache, so we can just check the SWA cache
    return kv_swa->seq_pos_min(seq_id);
}

llama_pos llama_kv_cache_iswa::seq_pos_max(llama_seq_id seq_id) const {
    return kv_swa->seq_pos_max(seq_id);
}

std::map<ggml_backend_buffer_type_t, size_t> llama_kv_cache_iswa::memory_breakdown() const {
    std::map<ggml_backend_buffer_type_t, size_t> mb = kv_base->memory_breakdown();
    for (const auto & buft_size : kv_swa->memory_breakdown()) {
        mb[buft_size.first] += buft_size.second;
    }
    return mb;
}

llama_memory_context_ptr llama_kv_cache_iswa::init_batch(llama_batch_allocr & balloc, uint32_t n_ubatch, bool embd_all) {
    GGML_UNUSED(embd_all);

    // first try simple split
    do {
        if (!unified) {
            // requires equal splits, so we skip the simple split
            break;
        }

        balloc.split_reset();

        std::vector<llama_ubatch> ubatches;
        while (true) {
            auto ubatch = balloc.split_simple(n_ubatch);

            if (ubatch.n_tokens == 0) {
                break;
            }

            ubatches.push_back(std::move(ubatch)); // NOLINT
        }

        if (balloc.get_n_used() < balloc.get_n_tokens()) {
            // failed to find a suitable split
            break;
        }

        auto sinfos_base = kv_base->prepare(ubatches);
        if (sinfos_base.empty()) {
            break;
        }

        auto sinfos_swa = kv_swa->prepare(ubatches);
        if (sinfos_swa.empty()) {
            break;
        }

        assert(sinfos_base.size() == sinfos_swa.size());

        return std::make_unique<llama_kv_cache_iswa_context>(
                this, std::move(sinfos_base), std::move(sinfos_swa), std::move(ubatches));
    } while (false);

    // if it fails, try equal split
    do {
        balloc.split_reset();

        std::vector<llama_ubatch> ubatches;
        while (true) {
            auto ubatch = balloc.split_equal(n_ubatch, !unified);

            if (ubatch.n_tokens == 0) {
                break;
            }

            ubatches.push_back(std::move(ubatch)); // NOLINT
        }

        if (balloc.get_n_used() < balloc.get_n_tokens()) {
            // failed to find a suitable split
            break;
        }

        auto sinfos_base = kv_base->prepare(ubatches);
        if (sinfos_base.empty()) {
            break;
        }

        auto sinfos_swa = kv_swa->prepare(ubatches);
        if (sinfos_swa.empty()) {
            break;
        }

        assert(sinfos_base.size() == sinfos_swa.size());

        return std::make_unique<llama_kv_cache_iswa_context>(
                this, std::move(sinfos_base), std::move(sinfos_swa), std::move(ubatches));
    } while (false);

    // TODO: if we fail again, we should attempt different splitting strategies
    //       but to do that properly, we first have to refactor the batches to be more flexible

    return std::make_unique<llama_kv_cache_iswa_context>(LLAMA_MEMORY_STATUS_FAILED_PREPARE);
}

llama_memory_context_ptr llama_kv_cache_iswa::init_full() {
    return std::make_unique<llama_kv_cache_iswa_context>(this);
}

llama_memory_context_ptr llama_kv_cache_iswa::init_update(llama_context * lctx, bool optimize) {
    return std::make_unique<llama_kv_cache_iswa_context>(this, lctx, optimize);
}

bool llama_kv_cache_iswa::get_can_shift() const {
    return kv_base->get_size() == kv_swa->get_size();
}

void llama_kv_cache_iswa::state_write(llama_io_write_i & io, llama_seq_id seq_id, llama_state_seq_flags flags) const {
    if ((flags & LLAMA_STATE_SEQ_FLAGS_PARTIAL_ONLY) == 0) {
        kv_base->state_write(io, seq_id, flags);
    }

    kv_swa->state_write(io, seq_id, flags);
}

void llama_kv_cache_iswa::state_read(llama_io_read_i & io, llama_seq_id seq_id, llama_state_seq_flags flags) {
    if ((flags & LLAMA_STATE_SEQ_FLAGS_PARTIAL_ONLY) == 0) {
        kv_base->state_read(io, seq_id, flags);
    }

    kv_swa->state_read(io, seq_id, flags);
}

llama_kv_cache * llama_kv_cache_iswa::get_base() const {
    return kv_base.get();
}

llama_kv_cache * llama_kv_cache_iswa::get_swa() const {
    return kv_swa.get();
}

//
// llama_kv_cache_iswa_context
//

llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(llama_memory_status status) : status(status) {}

llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
        llama_kv_cache_iswa * kv) :
    ctx_base(kv->get_base()->init_full()),
    ctx_swa (kv->get_swa ()->init_full()),
    status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
}

llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
        llama_kv_cache_iswa * kv,
        llama_context * lctx,
        bool optimize) :
    ctx_base(kv->get_base()->init_update(lctx, optimize)),
    ctx_swa (kv->get_swa ()->init_update(lctx, optimize)),
    status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
}

llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
        llama_kv_cache_iswa * kv,
        slot_info_vec_t sinfos_base,
        slot_info_vec_t sinfos_swa,
        std::vector<llama_ubatch> ubatches) :
    ubatches(std::move(ubatches)),
    // note: here we copy the ubatches. not sure if this is ideal
    ctx_base(new llama_kv_cache_context(kv->get_base(), std::move(sinfos_base), this->ubatches)),
    ctx_swa (new llama_kv_cache_context(kv->get_swa (), std::move(sinfos_swa),  this->ubatches)),
    status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
}

llama_kv_cache_iswa_context:: ~llama_kv_cache_iswa_context() = default;

bool llama_kv_cache_iswa_context::next() {
    assert(status == LLAMA_MEMORY_STATUS_SUCCESS);

    ctx_base->next();
    ctx_swa ->next();

    if (++i_next >= ubatches.size()) {
        return false;
    }

    return true;
}

bool llama_kv_cache_iswa_context::apply() {
    assert(!llama_memory_status_is_fail(status));

    bool res = true;

    res = res & ctx_base->apply();
    res = res & ctx_swa ->apply();

    return res;
}

llama_memory_status llama_kv_cache_iswa_context::get_status() const {
    return status;
}

const llama_ubatch & llama_kv_cache_iswa_context::get_ubatch() const {
    assert(status == LLAMA_MEMORY_STATUS_SUCCESS);

    return ubatches[i_next];
}

const llama_kv_cache_context * llama_kv_cache_iswa_context::get_base() const {
    assert(status == LLAMA_MEMORY_STATUS_SUCCESS);

    return static_cast<const llama_kv_cache_context *>(ctx_base.get());
}

const llama_kv_cache_context * llama_kv_cache_iswa_context::get_swa()  const {
    assert(status == LLAMA_MEMORY_STATUS_SUCCESS);

    return static_cast<const llama_kv_cache_context *>(ctx_swa.get());
}

Coverage Report

Created: 2025-12-28 06:26

Line	Count	Source
1		#include "llama-kv-cache-iswa.h"
2
3		#include "llama-impl.h"
4		#include "llama-batch.h"
5		#include "llama-model.h"
6
7		#include <algorithm>
8		#include <cassert>
9
10		//
11		// llama_kv_cache_iswa
12		//
13
14		llama_kv_cache_iswa::llama_kv_cache_iswa(
15		const llama_model & model,
16		ggml_type type_k,
17		ggml_type type_v,
18		bool v_trans,
19		bool offload,
20		bool swa_full,
21		bool unified,
22		uint32_t kv_size,
23		uint32_t n_seq_max,
24		uint32_t n_ubatch,
25		uint32_t n_pad,
26		const layer_filter_cb & filter,
27	0	const layer_reuse_cb & reuse) : hparams(model.hparams), unified(unified) {
28
29		// chain filters
30	0	const layer_filter_cb filter_base = [&](int32_t il) {
31	0	if (filter && !filter(il)) {
32	0	return false;
33	0	}
34
35	0	return !model.hparams.is_swa(il);
36	0	};
37
38	0	const layer_filter_cb filter_swa = [&](int32_t il) {
39	0	if (filter && !filter(il)) {
40	0	return false;
41	0	}
42
43	0	return model.hparams.is_swa(il);
44	0	};
45
46	0	const uint32_t size_base = kv_size;
47
48		// note: the SWA cache is always padded to 256 for performance
49		// https://github.com/ggml-org/llama.cpp/issues/17037
50	0	uint32_t size_swa = GGML_PAD(std::min(size_base, hparams.n_swa*(unified ? n_seq_max : 1) + n_ubatch), 256);
51
52		// when using full-size SWA cache, we set the SWA cache size to be equal to the base cache size
53	0	if (swa_full) {
54	0	LLAMA_LOG_WARN("%s: using full-size SWA cache (ref: %s)\n",
55	0	__func__, "https://github.com/ggml-org/llama.cpp/pull/13194#issuecomment-2868343055");
56
57	0	size_swa = size_base;
58	0	}
59
60	0	LLAMA_LOG_INFO("%s: creating non-SWA KV cache, size = %u cells\n", __func__, size_base);
61
62	0	kv_base = std::make_unique<llama_kv_cache>(
63	0	model, type_k, type_v,
64	0	v_trans, offload, unified, size_base, n_seq_max, n_pad,
65	0	0, LLAMA_SWA_TYPE_NONE, filter_base, reuse);
66
67	0	LLAMA_LOG_INFO("%s: creating SWA KV cache, size = %u cells\n", __func__, size_swa);
68
69	0	kv_swa = std::make_unique<llama_kv_cache>(
70	0	model, type_k, type_v,
71	0	v_trans, offload, unified, size_swa, n_seq_max, n_pad,
72	0	hparams.n_swa, hparams.swa_type, filter_swa, reuse);
73	0	}
74
75	0	void llama_kv_cache_iswa::clear(bool data) {
76	0	kv_base->clear(data);
77	0	kv_swa ->clear(data);
78	0	}
79
80	0	bool llama_kv_cache_iswa::seq_rm(llama_seq_id seq_id, llama_pos p0, llama_pos p1) {
81	0	bool res = true;
82
83	0	res = res & kv_base->seq_rm(seq_id, p0, p1);
84	0	res = res & kv_swa ->seq_rm(seq_id, p0, p1);
85
86	0	return res;
87	0	}
88
89	0	void llama_kv_cache_iswa::seq_cp(llama_seq_id seq_id_src, llama_seq_id seq_id_dst, llama_pos p0, llama_pos p1) {
90	0	kv_base->seq_cp(seq_id_src, seq_id_dst, p0, p1);
91	0	kv_swa ->seq_cp(seq_id_src, seq_id_dst, p0, p1);
92	0	}
93
94	0	void llama_kv_cache_iswa::seq_keep(llama_seq_id seq_id) {
95	0	kv_base->seq_keep(seq_id);
96	0	kv_swa ->seq_keep(seq_id);
97	0	}
98
99	0	void llama_kv_cache_iswa::seq_add(llama_seq_id seq_id, llama_pos p0, llama_pos p1, llama_pos shift) {
100	0	kv_base->seq_add(seq_id, p0, p1, shift);
101	0	kv_swa ->seq_add(seq_id, p0, p1, shift);
102	0	}
103
104	0	void llama_kv_cache_iswa::seq_div(llama_seq_id seq_id, llama_pos p0, llama_pos p1, int d) {
105	0	kv_base->seq_div(seq_id, p0, p1, d);
106	0	kv_swa ->seq_div(seq_id, p0, p1, d);
107	0	}
108
109	0	llama_pos llama_kv_cache_iswa::seq_pos_min(llama_seq_id seq_id) const {
110		// the base cache is a superset of the SWA cache, so we can just check the SWA cache
111	0	return kv_swa->seq_pos_min(seq_id);
112	0	}
113
114	0	llama_pos llama_kv_cache_iswa::seq_pos_max(llama_seq_id seq_id) const {
115	0	return kv_swa->seq_pos_max(seq_id);
116	0	}
117
118	0	std::map<ggml_backend_buffer_type_t, size_t> llama_kv_cache_iswa::memory_breakdown() const {
119	0	std::map<ggml_backend_buffer_type_t, size_t> mb = kv_base->memory_breakdown();
120	0	for (const auto & buft_size : kv_swa->memory_breakdown()) {
121	0	mb[buft_size.first] += buft_size.second;
122	0	}
123	0	return mb;
124	0	}
125
126	0	llama_memory_context_ptr llama_kv_cache_iswa::init_batch(llama_batch_allocr & balloc, uint32_t n_ubatch, bool embd_all) {
127	0	GGML_UNUSED(embd_all);
128
129		// first try simple split
130	0	do {
131	0	if (!unified) {
132		// requires equal splits, so we skip the simple split
133	0	break;
134	0	}
135
136	0	balloc.split_reset();
137
138	0	std::vector<llama_ubatch> ubatches;
139	0	while (true) {
140	0	auto ubatch = balloc.split_simple(n_ubatch);
141
142	0	if (ubatch.n_tokens == 0) {
143	0	break;
144	0	}
145
146	0	ubatches.push_back(std::move(ubatch)); // NOLINT
147	0	}
148
149	0	if (balloc.get_n_used() < balloc.get_n_tokens()) {
150		// failed to find a suitable split
151	0	break;
152	0	}
153
154	0	auto sinfos_base = kv_base->prepare(ubatches);
155	0	if (sinfos_base.empty()) {
156	0	break;
157	0	}
158
159	0	auto sinfos_swa = kv_swa->prepare(ubatches);
160	0	if (sinfos_swa.empty()) {
161	0	break;
162	0	}
163
164	0	assert(sinfos_base.size() == sinfos_swa.size());
165
166	0	return std::make_unique<llama_kv_cache_iswa_context>(
167	0	this, std::move(sinfos_base), std::move(sinfos_swa), std::move(ubatches));
168	0	} while (false);
169
170		// if it fails, try equal split
171	0	do {
172	0	balloc.split_reset();
173
174	0	std::vector<llama_ubatch> ubatches;
175	0	while (true) {
176	0	auto ubatch = balloc.split_equal(n_ubatch, !unified);
177
178	0	if (ubatch.n_tokens == 0) {
179	0	break;
180	0	}
181
182	0	ubatches.push_back(std::move(ubatch)); // NOLINT
183	0	}
184
185	0	if (balloc.get_n_used() < balloc.get_n_tokens()) {
186		// failed to find a suitable split
187	0	break;
188	0	}
189
190	0	auto sinfos_base = kv_base->prepare(ubatches);
191	0	if (sinfos_base.empty()) {
192	0	break;
193	0	}
194
195	0	auto sinfos_swa = kv_swa->prepare(ubatches);
196	0	if (sinfos_swa.empty()) {
197	0	break;
198	0	}
199
200	0	assert(sinfos_base.size() == sinfos_swa.size());
201
202	0	return std::make_unique<llama_kv_cache_iswa_context>(
203	0	this, std::move(sinfos_base), std::move(sinfos_swa), std::move(ubatches));
204	0	} while (false);
205
206		// TODO: if we fail again, we should attempt different splitting strategies
207		// but to do that properly, we first have to refactor the batches to be more flexible
208
209	0	return std::make_unique<llama_kv_cache_iswa_context>(LLAMA_MEMORY_STATUS_FAILED_PREPARE);
210	0	}
211
212	0	llama_memory_context_ptr llama_kv_cache_iswa::init_full() {
213	0	return std::make_unique<llama_kv_cache_iswa_context>(this);
214	0	}
215
216	0	llama_memory_context_ptr llama_kv_cache_iswa::init_update(llama_context * lctx, bool optimize) {
217	0	return std::make_unique<llama_kv_cache_iswa_context>(this, lctx, optimize);
218	0	}
219
220	0	bool llama_kv_cache_iswa::get_can_shift() const {
221	0	return kv_base->get_size() == kv_swa->get_size();
222	0	}
223
224	0	void llama_kv_cache_iswa::state_write(llama_io_write_i & io, llama_seq_id seq_id, llama_state_seq_flags flags) const {
225	0	if ((flags & LLAMA_STATE_SEQ_FLAGS_PARTIAL_ONLY) == 0) {
226	0	kv_base->state_write(io, seq_id, flags);
227	0	}
228
229	0	kv_swa->state_write(io, seq_id, flags);
230	0	}
231
232	0	void llama_kv_cache_iswa::state_read(llama_io_read_i & io, llama_seq_id seq_id, llama_state_seq_flags flags) {
233	0	if ((flags & LLAMA_STATE_SEQ_FLAGS_PARTIAL_ONLY) == 0) {
234	0	kv_base->state_read(io, seq_id, flags);
235	0	}
236
237	0	kv_swa->state_read(io, seq_id, flags);
238	0	}
239
240	0	llama_kv_cache * llama_kv_cache_iswa::get_base() const {
241	0	return kv_base.get();
242	0	}
243
244	0	llama_kv_cache * llama_kv_cache_iswa::get_swa() const {
245	0	return kv_swa.get();
246	0	}
247
248		//
249		// llama_kv_cache_iswa_context
250		//
251
252	0	llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(llama_memory_status status) : status(status) {}
253
254		llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
255		llama_kv_cache_iswa * kv) :
256	0	ctx_base(kv->get_base()->init_full()),
257	0	ctx_swa (kv->get_swa ()->init_full()),
258	0	status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
259	0	}
260
261		llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
262		llama_kv_cache_iswa * kv,
263		llama_context * lctx,
264		bool optimize) :
265	0	ctx_base(kv->get_base()->init_update(lctx, optimize)),
266	0	ctx_swa (kv->get_swa ()->init_update(lctx, optimize)),
267	0	status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
268	0	}
269
270		llama_kv_cache_iswa_context::llama_kv_cache_iswa_context(
271		llama_kv_cache_iswa * kv,
272		slot_info_vec_t sinfos_base,
273		slot_info_vec_t sinfos_swa,
274		std::vector<llama_ubatch> ubatches) :
275	0	ubatches(std::move(ubatches)),
276		// note: here we copy the ubatches. not sure if this is ideal
277	0	ctx_base(new llama_kv_cache_context(kv->get_base(), std::move(sinfos_base), this->ubatches)),
278	0	ctx_swa (new llama_kv_cache_context(kv->get_swa (), std::move(sinfos_swa), this->ubatches)),
279	0	status(llama_memory_status_combine(ctx_base->get_status(), ctx_swa->get_status())) {
280	0	}
281
282	0	llama_kv_cache_iswa_context:: ~llama_kv_cache_iswa_context() = default;
283
284	0	bool llama_kv_cache_iswa_context::next() {
285	0	assert(status == LLAMA_MEMORY_STATUS_SUCCESS);
286
287	0	ctx_base->next();
288	0	ctx_swa ->next();
289
290	0	if (++i_next >= ubatches.size()) {
291	0	return false;
292	0	}
293
294	0	return true;
295	0	}
296
297	0	bool llama_kv_cache_iswa_context::apply() {
298	0	assert(!llama_memory_status_is_fail(status));
299
300	0	bool res = true;
301
302	0	res = res & ctx_base->apply();
303	0	res = res & ctx_swa ->apply();
304
305	0	return res;
306	0	}
307
308	0	llama_memory_status llama_kv_cache_iswa_context::get_status() const {
309	0	return status;
310	0	}
311
312	0	const llama_ubatch & llama_kv_cache_iswa_context::get_ubatch() const {
313	0	assert(status == LLAMA_MEMORY_STATUS_SUCCESS);
314
315	0	return ubatches[i_next];
316	0	}
317
318	0	const llama_kv_cache_context * llama_kv_cache_iswa_context::get_base() const {
319	0	assert(status == LLAMA_MEMORY_STATUS_SUCCESS);
320
321	0	return static_cast<const llama_kv_cache_context *>(ctx_base.get());
322	0	}
323
324	0	const llama_kv_cache_context * llama_kv_cache_iswa_context::get_swa() const {
325	0	assert(status == LLAMA_MEMORY_STATUS_SUCCESS);
326
327	0	return static_cast<const llama_kv_cache_context *>(ctx_swa.get());
328	0	}