一句话看懂：Cloudflare 的 Workers AI 平台在托管 GLM-5.3 模型时，因推理配置与 SGLang 引擎缺陷叠加，导致超长提示词的响应混入了其他用户的数据，共 155 条响应受影响。问题已修复，官方称未发现被恶意利用的迹象。
事件核心：发生了什么
2026 年 9 月 8 日，安全研究者 Gadi Evron 向 Cloudflare 报告：调用 Workers AI 上的 @cf/zai-org/glm-5.3 模型时，极长提示词可能返回其他用户会话中的内容。Cloudflare 次日复现，40 分钟内将该模型下线，当天完成修复并恢复服务。经排查，8 月 27 日至 9 月 9 日期间共有 155 条响应受影响，全部来自长度超过 681,280 tokens 的提示词。排除测试流量后，这些请求的时间与规模符合普通长上下文使用特征，官方称未发现人为反复利用漏洞的证据。
为什么重要
问题源于两个因素叠加：Cloudflare 为 GLM-5.3 配置了 1,048,576 tokens 的上下文窗口，但预填充 GPU 上的 KV cache 池只能容纳 681,280 tokens；而 SGLang 在分离式 prefill/decode 模式下处理超长请求时，将放不下的提示词替换为单 token 占位符，却仍向解码节点发送“传输完成”信号。解码节点误以为缓存已被完整覆盖，实际仍在使用此前请求遗留的缓存页，最终生成混入他人数据的响应。对多租户推理平台而言，这是典型的隔离失效：租户之间共享 GPU 缓存池是提升吞吐的常规做法，但一旦拒绝路径不安全，缓存就可能成为数据泄露通道。
对用户/开发者/创作者的影响
使用托管大模型 API 的开发者应意识到，长上下文能力既依赖模型本身，也依赖推理引擎和部署配置。此次漏洞只在超长提示词下触发，普通短提示词调用不受影响，但涉及敏感数据的应用不应默认平台侧隔离完美无缺。Cloudflare 已把预填充缓存池扩至约 204 万 tokens，为上下文长度的两倍，并修补引擎，使被拒绝的请求在分发入口以原始错误终止，不再进入缓存传输流程。相关修复已提交 SGLang 上游。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 SGLang 上游修复何时进入正式版本，其他使用该引擎的托管服务是否同步排查；二是 Cloudflare 提到的量化、张量并行、CUDA graph 等配置变化仍可能改变缓存池容量，运维层面是否形成持续校验机制；三是此类事件会否推动多租户推理平台把租户隔离纳入公开 SLA 与安全审计范围。
