Cloudflare 昨天公开了一起租户隔离事故：8 月 27 日到 9 月 9 日期间，Workers AI 平台上的 GLM-5.3 模型（@cf/zai-org/glm-5.3）会把其他客户的请求数据混进响应里，总共 155 次，全部发生在超长上下文的 prompt 上。9 月 8 日安全研究员 Gadi Evron（Knostic 公司）通过 HackerOne 报告了这个跨请求 KV cache 暴露问题，Cloudflare 9 月 9 日下架模型修复，之后恢复。
根因是两个问题叠加。第一，配置不匹配：Cloudflare 用开源的 SGLang 推理引擎部署 GLM 5.3，模型宣传的上下文窗口是 1,048,576 token，但 GPU 上 KV cache 池实际只有 681,280 token——池子大小由 SGLang 启动时按剩余显存自动决定，跟模型的上下文长度配置是两套数字，没人保证它们相等。第二，SGLang 在 disaggregated prefill/decode 模式下处理"超池长"请求有 bug：超长请求被标记为 rejected 后，代码路径把 prompt 换成一 token 占位符继续"排空"，但 prefill 和 decode 的准入队列检查的是 finished 而非 rejected，导致被拒请求仍被当作存活请求，把不完整的 KV cache 交给下一轮。
值得注意的细节：这个 bug 7 月 6 日就有人在 SGLang 的 issue #30233 报过了，Cloudflare 调查时才发现，且他们从 v0.5.10 起就一直在向 SGLang 团队反馈这类问题。也就是说，推理引擎里"池子比上下文小"导致的拒绝路径隐患，悬了很久才被一次真实安全事故逼出来。
修复也分两层：Cloudflare 把 GLM 5.3 的配置调回和 GLM 5.2 一致，让 prefill KV 池扩大到约 204 万 token（约为上下文的 2 倍）；同时 SGLang 在 v0.5.21 里把拒绝路径改安全了——请求不再走"finished"判断，而是正确识别 rejected 并中止。Cloudflare 还补了关键的测试缺口：之前只验证长上下文的 HTTP 响应码和引擎性能，没有验证模型输出连贯性，现在会在任何 disaggregated 部署前直接核对 KV 池大小和上下文长度。
155 次受影响响应、无恶意利用证据、GLM-5.3 是唯一受影响模型——这是 Cloudflare 给出的完整事故边界。配合 SGLang 同天发布的协调披露，这起事件对推理基础设施的启示很直接：当引擎的池子大小与模型的上下文配置解耦时，靠"看起来够用"的测试是不够的，配置漂移迟早要出事。
参考来源