La exposición de datos de Cloudflare GLM-5.3 afectó a 155 respuestas. Cada una llegó a un cliente con fragmentos de solicitudes que otro cliente había enviado poco antes al mismo modelo, dentro de Workers AI, la plataforma de Cloudflare para ejecutar modelos de inteligencia artificial como servicio.
Cloudflare publicó el informe oficial el 26 de octubre, en divulgación coordinada con SGLang y el investigador que lo detectó. El fallo estuvo activo entre el 27 de agosto y el 9 de septiembre de 2026, desde el día del lanzamiento de GLM-5.3 en Workers AI. Ningún otro modelo quedó afectado, confirmó la empresa.
GLM-5.3 es un modelo de generación de texto de Z.ai, pensado para flujos de programación con agentes. Su nombre dentro del servicio es @cf/zai-org/glm-5.3. Quien lo usa no instala nada: envía una solicitud por internet y recibe la respuesta generada en los servidores de Cloudflare, compartiendo infraestructura con miles de cuentas más. Ese reparto de máquinas es justo donde se rompió el aislamiento entre clientes.
Dos fallos encadenados dejaron la puerta abierta
El primer fallo fue de configuración. Cloudflare desplegó el modelo con una ventana de contexto de 1.048.576 tokens, la cantidad máxima de texto que acepta por solicitud. La memoria caché KV, el espacio donde el sistema guarda ese contenido mientras genera la respuesta, solo tenía sitio para 681.280 tokens en las tarjetas de preparación. La empresa conocía esa diferencia antes del lanzamiento y esperaba que el motor devolviera un error ante cualquier solicitud demasiado larga.
Esa esperanza se apoyó en pruebas incompletas. Las comprobaciones previas midieron códigos de respuesta HTTP y rendimiento con contextos largos, sin revisar si el texto devuelto pertenecía a la solicitud enviada. Un código 200, el que indica éxito, bastó para dar el visto bueno. La respuesta llegaba rápido y traía el conteo de tokens esperado. Parecía sana. No lo era.
El segundo fallo vivía en SGLang, el motor de inferencia de código abierto que mueve el modelo. Cuando una solicitud superaba el tamaño de la caché, el motor la marcaba como rechazada y la sustituía por un marcador de un solo token, sin detenerla. El nodo encargado de generar la respuesta recibía el aviso de transferencia completa y trabajaba sobre páginas de memoria con datos de solicitudes anteriores. El cliente recibía un HTTP 200 cuando correspondía un HTTP 400, y parte del texto ajeno viajaba dentro de su respuesta.
Todas las respuestas afectadas comparten la misma condición: solicitudes con más de 681.280 tokens. Por debajo de esa cifra, la caché alcanzaba y el mecanismo nunca se activaba.
Una reproducción en 25 minutos apagó el modelo
Gadi Evron, investigador de Knostic, reportó el problema el 8 de septiembre a las 23:11 UTC mediante HackerOne, el programa de reportes de Cloudflare, con un guion capaz de reproducir la fuga. La mañana del 9 de septiembre el equipo verificó el reporte desde las 08:00 UTC y declaró incidente a las 13:22, tras reproducir la exposición de datos con dos cuentas independientes en 25 minutos.
La reacción posterior fue rápida. A las 14:00 el modelo quedó en privado. A las 14:35 la causa raíz ya estaba identificada. Para las 19:04 el despliegue completo funcionaba con la configuración corregida y un parche propio en el motor, validado con el guion del investigador.
El arreglo tocó las dos capas. La caché de preparación creció hasta unos 2,04 millones de tokens, cerca del doble de la ventana de contexto, y toda solicitud válida cabe en memoria. El parche del motor retira cualquier solicitud con rechazo pendiente antes de asignar memoria o transferir datos, y Cloudflare GLM-5.3 volvió al público con esa protección activa.
Descartado el susto mayor: tras excluir las pruebas internas y las del investigador, Cloudflare encontró que las solicitudes afectadas coinciden en horario y volumen con el uso normal de contextos largos. La empresa afirmó no tener evidencia de aprovechamiento deliberado.
Qué deben revisar los equipos que sirven modelos con SGLang
La recomendación central del informe apunta a una medición simple: comparar el tamaño real de la caché KV con la ventana de contexto en cada nodo, tras cualquier cambio de pesos, cuantización o paralelismo. Si la caché queda por debajo, toca recortar la ventana anunciada. Dar por hecho que el motor rechazará lo que no cabe fue el error que Cloudflare reconoce como propio.
Las correcciones llegaron en cadena: SGLang v0.5.20 trajo el primer arreglo, v0.5.21 salió el 2 de octubre y v0.5.22 el 19 de octubre. Cloudflare recomienda a todo operador con despliegues separados de preparación y generación actualizar a v0.5.22 o posterior, activar la liberación diferida de la caché en ambos roles y habilitar la verificación de integridad de las transferencias donde el modelo lo permita.
El informe deja una lección incómoda para cualquier servicio de inteligencia artificial compartido. Las páginas de la caché no se borran entre solicitudes por rendimiento; el motor decide a quién pertenece cada página, y un error en esa contabilidad convierte memoria compartida en datos cruzados. Cloudflare trabaja con SGLang en una versión que etiqueta cada página y comprueba su dueño antes de cada lectura: en pruebas internas costó menos del 1 % de rendimiento.
Ese sistema sigue en desarrollo junto a RadixArk, responsable de SGLang. Mientras llega, la defensa disponible es aburrida y concreta: medir la caché, actualizar el motor y probar el contenido de las respuestas, además de su código de estado.
Fuente: Cloudflare
Foto: Cloudflare
La entrada Cloudflare GLM-5.3 y su exposición de datos entre clientes se publicó primero en Tecnología Geek.
Top comments (0)