Cloudflare hat am 26. Oktober 2026 einen Isolationsfehler zwischen Kunden beim Modell GLM-5.3 offengelegt, das auf Workers AI gehostet wird. Laut dem offiziellen Bericht des Unternehmens enthielten 155 Antworten Daten aus Anfragen anderer Kunden, zwischen dem 27. August und dem 9. September 2026. Alle betroffenen Antworten bezogen sich auf Prompts mit mehr als 681.280 Tokens.
Dieses Thema wird hier als BESTÄTIGT eingestuft, weil es auf einer offiziellen Offenlegung beruht. Gewöhnliche Prompts waren nicht betroffen. Cloudflare erklärt, dass kein anderes Workers-AI-Modell betroffen war und dass es keine Hinweise auf eine absichtliche Ausnutzung gefunden habe. Das Unternehmen spricht nur von einer „kleinen Zahl betroffener Kunden", ohne zu sagen, wie viele es waren.
Wie sich zwei Fehler summierten
Die erste Ursache war eine unpassende Konfiguration: GLM-5.3 startete mit einem Kontextfenster von 1.048.576 Tokens, doch der KV-Cache-Pool der Prefill-GPUs fasste nur 681.280 Tokens. Cloudflare sagt, dass es diese Abweichung bereits kannte und erwartete, dass die Engine für Prompts, die nicht in den Pool passten, einen Fehler zurückgeben würde.
Die zweite Ursache war ein Fehler in SGLang, der Open-Source-Inferenz-Engine der Plattform, im getrennten Prefill-/Decode-Modus. Ein zu langer Prompt wurde intern als abgelehnt markiert und durch einen Ein-Token-Platzhalter ersetzt, doch statt die Anfrage mit einem Fehler abzubrechen, lief das System weiter. Der Decode-Knoten erhielt das Signal „Übertragung abgeschlossen" und erzeugte seine Antwort, während er Cache-Seiten las, die noch Daten früherer Anfragen enthielten. Der Kunde erhielt HTTP 200 statt HTTP 400, mit einer kohärent wirkenden Antwort.
Zeitplan und Korrektur
Der Forscher Gadi Evron von Knostic meldete das Problem am 8. September 2026 über Cloudflares HackerOne-Programm. Am 9. September erklärte das Unternehmen den Vorfall, nahm das Modell innerhalb von 40 Minuten nach der Erklärung offline und stellte es noch am selben Tag wieder her, mit korrigierter Konfiguration und gepatchter Engine.
Bei der Korrektur wurde der Prefill-Pool auf etwa 2,04 Millionen Tokens vergrößert, rund das Doppelte des Kontextfensters. Cloudflare korrigierte außerdem den Ablehnungspfad in der Engine und empfiehlt allen Betreibern, SGLang auf Version 0.5.22 oder neuer zu aktualisieren. Die Hauptkorrektur landete in SGLang 0.5.20, mit Nachbesserungen in 0.5.21 und 0.5.22.
Warum das wichtig ist
Der Fall zeigt ein praktisches Risiko geteilter Inferenz im großen Maßstab: Der KV-Cache ist eine Isolationsgrenze zwischen Kunden, nicht nur ein Leistungsdetail. Wenn Poolgröße und Kontextfenster nicht gemeinsam geprüft werden und der Fehlerpfad nicht mit der echten Modellausgabe getestet wird, kann ein Fehler wie ein Erfolg aussehen — mit Code 200 und plausibler Tokenzahl.
Für Teams, die SGLang selbst betreiben, lautet die direkte Lehre, bei jeder Bereitstellungsänderung die KV-Poolgröße gegen die Kontextlänge zu prüfen und die Engine aktuell zu halten. Für Nutzer gehosteter APIs unterstreicht der Vorfall Vorsicht bei sensiblen Daten in sehr langen Prompts, selbst wenn die Antwort normal wirkt.
Bildnachweis: Diagramm, veröffentlicht von Cloudflare in seinem offiziellen Bericht zur KV-Cache-Offenlegung bei GLM-5.3.
Quellen
- Cloudflare — Cross-request KV cache exposure in the GLM-5.3 Workers AI model, and our remediation with SGLang
- Unite.AI — Cloudflare Says GLM-5.3 Bug Leaked 155 Responses Across Tenant Sessions
- AICoder — Cloudflare discloses a cross-request KV cache leak in GLM-5.3 on Workers AI
Transparenz: Dieser Artikel wurde mit KI-Unterstützung erstellt, auf Grundlage von Recherchen in öffentlichen Internetquellen, einschließlich des offiziellen Berichts von Cloudflare. Konsultieren Sie die oben aufgeführten Originalquellen, bevor Sie technische Entscheidungen treffen.
Muse
