Cloudflare'in GLM-5.3 Lansmanı Ters Gitti ve Sorun Modelde Değildi

Her geliştirici, tam olarak güvenemediği yeşil onay işaretinin verdiği o hafif tedirginliği bilir. Yaklaşık iki hafta boyunca, bir başarı kodu bir sorunu gizledi: Aşırı uzun komutlara verilen 155 yanıt, diğer müşterilerin oturumlarına ait parçalar içeriyordu. Bu hikaye, kusurlu bir modelle ilgili değil, modelin nasıl piyasaya sürüldüğü ve test edildiğiyle ilgili.

GLM-5.3, Z.ai’nin ajans odaklı kodlama iş akışları için geliştirilmiş metin üretme modelidir ve Cloudflare bunu Workers AI üzerinden sunmaktadır.

Cloudflare’in 26 Ekim tarihli olay raporuna göre, veri sızıntısı 27 Ağustos ile 9 Eylül 2026 tarihleri arasında yaşandı. Bizim görüşümüz: Bunun nedeni ne model ne de bir saldırıydı; bunun yerine, bir yapılandırma seçimi ile çıkarım motorundaki bir hatanın birleşimiydi. Model ağırlıkları bu olayda hiçbir rol oynamadı.

Peki, GLM-5.3 tam olarak nedir?

Z.ai, Temmuz 2025’te uluslararası alanda marka değişikliğine gidene kadar Zhipu AI olarak biliniyordu ve şirket, Tsinghua Üniversitesi’ndeki bir araştırma grubundan doğdu. GLM ailesi, Aralık 2021’de Çince-İngilizce iki dilli bir model projesi olarak hayata geçirildi. GLM-5.3, 14 Ağustos 2026'da piyasaya sürüldü ve Z.ai'nin model kartında, bu modelin GLM-5.2'nin temel modelini temel aldığı ve tüm gelişmelerin eğitim sonrası aşamada sağlandığı belirtilmektedir.

Temelinde, bu bir uzmanlar karışımı modelidir; yani parametrelerinin yalnızca bir kısmı, yani yaklaşık 40 milyar tanesi, her bir token üzerinde işlev görür. Ağırlıklar, 31 Ağustos 2026 tarihine kadar Hugging Face’e, MIT lisansı yerine özel bir Z.ai lisansı kapsamında yüklenmiştir.

Workers AI'da Cloudflare, modeli kendi GPU'larında çalıştırır; bu sayede geliştiriciler donanımı yönetmek yerine modeli adıyla çağırırlar.

9 Eylül'de aslında ne ters gitti?

Sorun, lansmandan önce bilinen bir uyumsuzlukla başladı. Model, 1.048.576 tokenlik bir bağlam penceresi ile piyasaya sürüldü, ancak ön doldurma GPU’larındaki önbellek sadece 681.280 tokenlik bir kapasiteye sahipti. Ekip bu durumun farkındaydı ve uzun bağlam testlerinden başarılı yanıtlar alındığı için bunun zararsız olduğuna karar vermişti.

Ardından motor hatası bu boşluğu bir güvenlik açığına dönüştürdü. SGLang’ın ayrıştırılmış modunda, uzunluk sınırını aşan istekler reddedilmiş olarak işaretlendi, tek belirteçli bir yer tutucuyla değiştirilip iletildi ve kod çözücü, önceki isteklerden kalma eski önbellek sayfalarını okudu. İstemciler hata yerine HTTP 200 yanıtı alıyordu. Başka bir kullanıcı bu kusuru 6 Temmuz 2026 tarihinde kamuoyuna bildirmişti; dolayısıyla sızıntı tespit edilmeden çok önce bu konuda bir uyarı mevcuttu. İşte bu nedenle yeşil durum kodu, yanıtın sağlıklı olduğunun kanıtı değildir.

Bir araştırmacı sızıntıyı bildirdikten sonra, müdahale sadece bir gün sürdü. Knostic’ten güvenlik araştırmacısı Gadi Evron, olayı 8 Eylül 2026 tarihinde HackerOne aracılığıyla bildirdi. Doğrulama işlemi ertesi gün 08:00 UTC'de başladı ve sızıntı iki hesapla tekrarlanmasının ardından 13:22'de bir olay bildirildi. Model 14:00'da gizli hale getirildi ve 19:40 UTC'de tekrar erişime açıldı. Sorun bildirildikten sonra düzeltme hızlı bir şekilde gerçekleştirildi, ancak sızıntının kendisi yaklaşık iki hafta boyunca fark edilmeden devam etti.

Modelin ne kadar süreyle hizmet dışı kaldığı, kimin saydığına bağlıdır. Bazı hesaplamalara göre çevrimdışı kalma süresi yaklaşık 20 saattir; ancak bu süre, raporun yayınlandığı andan itibaren hesaplanmaktadır. Oysa kesintinin süresi, Cloudflare’in kendi zaman ölçümlerine göre belirlenmektedir. Düzeltme, model o akşam yeniden devreye girmeden önce araştırmacının kendi yeniden üretme denemeleri ve kanarya işaretleyici testleri ile test edildi ve SGLang projesine aynı gün bilgi verildi.

Rakamlarla

• 155: Etkilendiği doğrulanan yanıtlar; hepsi 681.280 token'dan fazla uzunluktaki istemlere verilen yanıtlar
• 1.048.576: GLM-5.3 bağlam penceresindeki belirteç sayısı
• 128K: maksimum çıkış sayısına karşılık gelen birim sayısı
• 2,04 milyon: ön doldurma havuzunda şu anda bulunan token sayısı
• 14:00 – 19:40 UTC: 9 Eylül 2026 tarihinde modelin çevrimdışı kaldığı süre
• 1: Bu modelden etkilenmiştir, zira diğer dağıtımlarda daha büyük önbellek havuzları bulunmaktadır

Neden tüm bunlar şimdi gündeme geliyor?

Hikayenin tamamı geç geldi. Rapor, düzeltmenin yapılmasından yaklaşık yedi hafta sonra yayınlandı. Bu rapor, modelin piyasaya sürülmesiyle oluşan heyecanın ve ABD standartlar kurumu NIST’in bir parçası olan CAISI’nin güvenlik değerlendirmesinin ardından ortaya çıktı. Daha fazlası da gelecek, çünkü araştırmacının keşif ve doğrulama konusundaki kendi raporu daha sonra yayınlanacak.

CAISI, GLM-5.3’ü bugüne kadar piyasaya sürülen açık ağırlıklı modeller arasında siber yetenekleri en gelişmiş model olarak değerlendirdi; ancak bu modelin siber yetenekleri, mevcut en gelişmiş ABD modellerinin önemli ölçüde gerisinde kalıyor. Tahminlere göre yaklaşık dört aylık bir gecikme söz konusu ve GLM-5.3, Kimi K3’ün üzerinde değerlendirildi. Bu değerlendirme, haberin tam da o zamanda yayınlanmasının nedenlerinden biridir.

Tartışma, alışılagelmiş çizgiler boyunca ikiye bölündü. OpenAI’dan Greg Brockman, açık ağırlıklı modelin tehdit ortamını hızlandıracağı konusunda uyarıda bulunurken, eski Savunma Bakanlığı analisti Jake Williams ise saldırganların halihazırda benzer araçlara sahip olduğunu savundu. CAISI’nin kendi değerlendirmesi bu iki görüşün arasında yer aldığı için her iki taraf da aşırı tepki gösteriyor gibi görünüyor. Sizin için bu, en çok ses getiren güvenlik manşetlerine göre değil, modelin performansına ve nasıl uygulandığına göre bir seçim yapmanız gerektiği anlamına geliyor.

İyi bir ürün mü ve fiyatı uygun mu?

En etkileyici rakamlar Z.ai’ye ait. Model tanıtım sayfasında, şirketin kendi Code Bench testinde %50’lik bir iyileşme olduğu iddia ediliyor; ancak laboratuvarın kendi raporuna göre Fable 5 hâlâ lider konumda. Bağımsız test sonuçları ise daha mütevazı; bu nedenle, lansman sayfası yerine dış kaynaklı testlere güvenin.

En yakın rakibi olan Kimi K3 ile karşılaştırıldığında, sonuçlar neredeyse berabere. Kimi K3, ortaklaştırılan 9 karşılaştırma testinden 5’ini kazanıyor ve ayrıca GLM-5.3’ün kabul etmediği görüntüleri de kabul ediyor. Bağlam penceresi aynıdır ve Kimi K3, parametreler açısından çok daha kapsamlıdır.

GLM-5.3, fiyat konusunda öne çıkıyor. Z.ai’nin kendi liste fiyatı, bir milyon girdi belirteci başına 1,40 dolar olup, model, Kimi K3’e kıyasla belirteç başına yaklaşık 3,0 kat daha ucuzdur. Ancak liste fiyatları, uzun süreli ajan çalıştırmalarını tam olarak yansıtmamaktadır; zira maksimum çaba gerektiren bir görev, az çaba gerektiren bir görevden daha pahalıdır.

Burada dikkat çeken bir eksiklik var: Verilerde GLM-5.3 için Workers AI fiyatı yer almıyor ve karşılaştırma sayfasında Workers AI hiç listelenmemiş. Maliyet avantajı, Z.ai’nin fiyatları açısından muhtemelen gerçektir; ancak Workers AI açısından kanıtlanmamıştır.

Workers AI üzerine geliştirme yapmanın anlamı nedir?

Bizim değerlendirmemize göre, GLM-5.3, GPU’ları yönetmek zorunda kalmadan güçlü bir açık model isteyen, kodlama ajanları veya kod inceleme iş akışları geliştiren ekipler için uygundur. Alternatif olarak kendi sunucunuzda barındırma seçeneği de mevcuttur; ancak bu, en az 8 adet H200 sınıfı veya daha üst düzey GPU gerektirdiğinden, yalnızca kendi donanımınız üzerinde kontrol sahibi olmak istiyorsanız mantıklıdır. Aşırı uzun bağlam uzunluklarındaki hassas veriler, görsel işleme ihtiyacı olan ekipler veya Çinli tedarikçilerden satın alma kısıtlamaları olan alıcılar için ise bu model o kadar uygun değildir.

Bazı alışkanlıklar bu konuda yardımcı olur. Aracı oturumları için bir x-session-affinity başlığı gönderin, kendi ağ geçidinizde komut istemi uzunluğunu sınırlayın ve yalnızca durum kodlarını değil, çıktı içeriğini de kontrol edin. Hesabınızın etkilenen istekler arasında olup olmadığını kontrol etmek için olay raporuna bakabilirsiniz.

Sunucusuz kapasite paylaşımlıdır ve işleme konusunda kesin bir garanti yoktur. Bu önemli bir husustur, çünkü asenkron API, kalıcı iş akışları için önerilen yoldur; bu nedenle, uzun süren işleri olan ekipler buradan başlamalıdır. Uygulamaya geçmeden önce, güncel Workers AI fiyatlandırma sayfasını kontrol edin ve modeli kendi görevlerinizle karşılaştırın.

Bu iş nereye varacak?

GLM-5.3 modelinin, kapalı sınır modellerinin bir adım gerisinde kalan, güvenilir ve düşük maliyetli bir kodlama modeli olduğunu düşünüyoruz. Etkilenen yanıtların sayısı, zararın tamamen dışlandığını değil, sınırlı düzeyde olduğunu göstermektedir.

Temel senaryo, daha büyük önbellek havuzu ve SGLang v0.5.22 düzeltmesi geçerliliğini koruduğu sürece, maliyete duyarlı kodlama aracıları arasında istikrarlı bir büyüme yaşanmasıdır. Risk, ortaya çıkan yeni ayrıntıların güveni sarsması ve temkinli işletmelerin kapalı veya diğer barındırma modellerine yönelmesidir. Etkilenen sayıdaki herhangi bir revizyonu ve modelin test edilme şekline ilişkin değişiklikleri takip edin.

Kapasite açısından, Z.ai’den bir başka hızlı sürüm daha gelebilir ve CAISI’nin dört aylık gecikmesi sadece anlık bir durumdur. Özel lisans ve aşamalı sürüm, bu teknolojiyi kimin benimseyeceğini belirleyebilir. Bir sonraki kontrol noktanız: yayınlanan Workers AI fiyatı, araştırmacının raporu ve yeni CAISI sonuçları.

Kaynaklar 12unite.ai, BigGo Finance, Cloudflare ve 9 kaynak daha

1. unite.ai (Oct 26, 2026). Cloudflare Says GLM-5.3 Bug Leaked 155 Responses Across Tenant Sessions. Miles Okada
2. BigGo Finance (Oct 27, 2026). Cloudflare Confirms AI Platform Data Leak: 155 Responses Mixed With Other Users' Requests, Ultra-Long Contexts Blamed — BigGo Finance. BigGo Finance
3. Cloudflare (Oct 26, 2026). Cross-request KV cache exposure in the GLM-5.3 Workers AI model (155 responses)
4. LLMLearner (Sep 5, 2026). GLM-5.3 Benchmark Results Analysis & Model Comparisons
5. explainx.ai (Jun 29, 2026). GLM-5.3 Vision: Zhipu Community Wishlist Explained. Yash Thakker
6. Turing Post (May 4, 2024). Zhipu AI (Z.ai): Founders, GLM Models, and Hong Kong IPO. Ksenia Se
7. Tech AI Wire (Aug 31, 2026). GLM-5.3 weights ship under a custom license and need eight .... Tech AI Wire Team
8. NIST (Sep 17, 2026). CAISI’s Assessment of Z.ai’s GLM-5.3 Cyber Capabilities
9. lmsys.org (Oct 26, 2026). SGLang security update: improving request isolation - LMSYS Org
10. Emergent (Aug 20, 2026). GLM 5.3 Review: What the AI Community Is Actually Saying
11. LLM Stats (Aug 14, 2026). GLM-5.3 vs Kimi K3: Benchmarks, Pricing & Which Is Better in 2026. LLM Stats
12. Cloudflare (Mar 19, 2026). Powering the agents: Workers AI now runs large models, starting with Kimi K2.5. Michelle Chen

Son güncelleme: 27 Eki 2026. Bu yazı bu kaynaklardaki haber ve verilere dayanıyor; metindeki bağlantılar en önemlilerine gider.