Il 26 ottobre 2026 Cloudflare ha raccontato un incidente sul suo servizio Workers AI: tra il 27 agosto e il 9 settembre, 155 risposte del modello GLM-5.3 contenevano pezzi di richieste e di risposte di altri clienti. Se mandi documenti a un'AI, passano da server condivisi con altri: questo caso mostra cosa succede quando un bug tocca quella memoria.
Cosa è successo
Workers AI è il servizio di Cloudflare per far girare modelli di AI sui suoi server senza gestire hardware: oltre 50 modelli, prezzo a consumo. GLM-5.3 è un modello di generazione di testo di Z.ai (Zhipu AI), pensato per la programmazione con agenti, con una finestra di contesto dichiarata di 1.048.576 token.
| Dato | Valore |
|---|---|
| Periodo | dal 27 agosto (lancio del modello) al 9 settembre 2026 |
| Risposte coinvolte | 155 |
| Condizione | solo prompt più lunghi di 681.280 token |
| Cosa è uscito | pezzi di richieste e risposte parziali di altri clienti, fatte allo stesso modello poco prima |
| Segnalazione | 8 settembre 2026, dal ricercatore esterno Gadi Evron |
| Spegnimento | 9 settembre: incidente dichiarato alle 13:22 UTC, modello reso privato alle 14:00 UTC |
| Ripristino | 9 settembre, 19:40 UTC |
Un token è un pezzo di parola. A 681.280 token si arriva solo mandando testi molto lunghi in una volta sola, come un archivio o una pratica intera.
La causa, in parole semplici. Sulla scheda grafica c'è una memoria di lavoro condivisa tra le richieste (la «KV cache»), dimensionata per 681.280 token contro una finestra dichiarata di 1.048.576. Cloudflare contava sul motore che esegue il modello (SGLang) per rifiutare le richieste più lunghe; un bug del motore le faceva passare, e il nodo che genera la risposta leggeva pagine di memoria con dentro ancora dati delle richieste precedenti.
Cloudflare scrive di non aver trovato prove di uno sfruttamento deliberato. Il post non dice quanti clienti sono coinvolti né se sono stati avvisati, e non parla di addestramento sui dati. I rimedi: cache allineata alla finestra di contesto, patch al motore, più controlli, correzioni inviate al progetto SGLang (versione 0.5.22 o successive). Il consiglio agli operatori: non affidare il limite a un componente intermedio.
Perché conta per chi ha un'attività
Il ragionamento che segue è nostro. Un negozio o uno studio non usa Workers AI direttamente. Ma le app e i servizi che usa, o quelli di chi gli propone un'AI, girano su infrastrutture fatte così: un modello serve molti clienti, la memoria è condivisa, i dati stanno dove sta il modello. Un bug può far uscire pezzi di quello che hai mandato, e lo sai solo se il fornitore lo scrive.
La questione non è «cloud sì o cloud no»: Cloudflare ha chiuso il problema il giorno dopo la segnalazione, in poche ore dalla dichiarazione dell'incidente, e lo ha raccontato con i dettagli. La questione è sapere dove girano i tuoi documenti, con chi condividi le macchine e cosa ti scrive per contratto il fornitore. Le domande da fargli le trovi in AI e GDPR in azienda; il confronto tra le strade è in AI on premise o cloud.
Il caso riguarda proprio i prompt enormi: pratiche, archivi, cartelle intere. Gli stessi documenti di una pratica di 300 pagine in un assistente, che non vanno incollati in strumenti generici: cosa non caricare su ChatGPT in azienda. Per quei documenti c'è un'altra strada: un'AI privata con modelli e dati in Italia.
Cosa fare adesso
- Fai l'elenco di quali dati mandi a quali AI. Comprese quelle dentro altri software: gestionale, posta, strumenti di scrittura. Una riga per strumento: cosa ci passa, chi lo usa.
- Chiedi al fornitore per iscritto dove gira il modello, se le macchine sono condivise con altri clienti, se conserva prompt e risposte e per quanto, se ti avvisa in caso di incidente e in che tempi.
- Non incollare pratiche o archivi interi in strumenti generici. Questo caso scattava solo con testi lunghissimi: proprio quelli.
- Per i documenti riservati valuta un'AI privata. Modelli e dati in Italia, in sede o in un data center italiano: come funziona.
Domande frequenti
Se uso ChatGPT o un'AI dentro il mio gestionale, mi riguarda?
Questo caso specifico no: riguarda un solo modello su Workers AI. Il meccanismo però è lo stesso ovunque un modello serve molti clienti dalle stesse macchine. Chiedi al fornitore come separa le richieste.
I miei dati sono finiti a qualcuno?
Solo se eri cliente di GLM-5.3 su Workers AI e hai mandato prompt oltre 681.280 token tra il 27 agosto e il 9 settembre 2026. Il post non dice se i clienti coinvolti sono stati avvisati: se sei in quel caso, chiedilo a Cloudflare.
Un'AI in locale elimina il rischio?
Riduce la condivisione con altri: le macchine sono tue o dedicate a te. Restano i permessi, le copie, chi tiene le macchine e le aggiorna. Ne parliamo in AI in locale per aziende.
L'AI privata di Wosnic fa girare modelli aperti su macchine in Italia, in sede, su un server dedicato o in uno spazio condiviso con i dati separati: documenti, modelli e registri restano lì, con permessi per persona. Gli assistenti AI rispondono al telefono, su WhatsApp e in chat sul sito. Prenota una call.
Fonti: Cloudflare, «Cross-request KV cache exposure in the GLM-5.3 Workers AI model, and our remediation with SGLang», 26 ottobre 2026; scheda del modello GLM-5.3 su Workers AI; pagina di Cloudflare Workers AI.