🎬 Assista esta matéria
A Cloudflare divulgou nesta semana que uma falha de isolamento entre clientes no modelo GLM 5.3 hospedado no Workers AI fez o serviço devolver fragmentos de dados de prompts de outros usuários em 155 respostas. O problema durou de 27 de agosto a 9 de setembro de 2026 e o relato técnico foi publicado no blog da empresa na segunda-feira (26).
Todas as 155 respostas afetadas vinham de prompts com mais de 681.280 tokens. A empresa afirma que as requisições têm aparência de uso normal de contexto longo e que não encontrou indício de exploração deliberada.
A causa: dois erros somados
A primeira parte do problema foi de configuração. O GLM 5.3 entrou em produção no dia 27 de agosto com janela de contexto de 1.048.576 tokens, mas o espaço de cache KV nas GPUs de pré-processamento só comportava 681.280 tokens. Qualquer prompt acima disso estourava o limite.
A segunda parte estava no SGLang, o motor de inferência usado pela Cloudflare. Quando o pedido excedia o espaço, o agendador o marcava como rejeitado e trocava o prompt por um marcador de um token — mas as filas de admissão verificavam se a requisição estava concluída, não se estava rejeitada. O nó de decodificação então gerava a resposta lendo páginas de cache que ainda guardavam dados de outros usuários. Um relato do mesmo comportamento já havia sido aberto como issue no SGLang em 6 de julho de 2026.
A falha foi reportada por Gadi Evron, da Knostic, pelo programa de recompensas da Cloudflare no HackerOne, em 8 de setembro às 23h11 UTC. No dia seguinte, às 14h UTC, o modelo foi retirado do ar e voltou na mesma noite.
O que foi corrigido
A Cloudflare ampliou o espaço de cache de pré-processamento para cerca de 2,04 milhões de tokens, alinhando a configuração à do GLM 5.2. Também corrigiu o motor para que requisições rejeitadas retornem erro já na admissão, antes de qualquer transferência de cache. As correções subiram no SGLang nas versões v0.5.20 e v0.5.21, e a empresa recomenda a v0.5.22 ou superior.
Entre as medidas adicionais de endurecimento estão liberação postergada do cache, limite no tamanho dos lotes de transferência, mudança no balanceador para evitar abortos no meio da transferência e verificação, antes da implantação, de que o tamanho do espaço de cache comporta a janela de contexto anunciada.
No horizonte mais longo, a empresa diz que pretende adotar marcas de integridade por página de cache e verificação formal do protocolo de transferência.
O episódio expõe um risco pouco discutido por quem contrata IA como serviço: o isolamento entre clientes é propriedade do fornecedor de infraestrutura, não do aplicativo. Nenhuma camada no código do cliente teria impedido esse vazamento.
Fontes: Blog da Cloudflare · DataStudios
🎙️ Gostou? Receba só o que te interessa, todo dia
Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.
Montar meu briefing grátis