Zum Inhalt springen
senn-techsenn-tech
Zurück zum Blog
KI & Entwicklung
KI im Betrieb2026-11-15· Von Franz Senn

llama.cpp 1.0.0: drei ZDI-Lücken zum Release und ein Server mit offenen Voreinstellungen

Am 13. November 2026 um 10:20 UTC hat ggml-org den Tag v1.0.0 auf llama.cpp gesetzt, 105 Minuten nach dem Tag auf ggml (08:34 UTC). Am selben Tag hat die Zero Day Initiative (ZDI) drei Advisories zu llama.cpp veröffentlicht, alle zum Parsen von GGUF-Dateien. Die Release-Notes von v1.0.0 nennen keine der drei. Wir haben beides gelesen und unsere Standby-Lane am 15.11.2026 nachgemessen.

Kurz gefasst: Semantische Versionierung nennt man das Schema, bei dem die erste Zahl Brüche der öffentlichen C-API ankündigt, die zweite rückwärtskompatible Erweiterungen und die dritte Fehlerbehebungen. llama.cpp und ggml führen es mit v1.0.0 gemeinsam ein. Für Betreiber heißt das: Ein Major-Sprung ist ab jetzt ein Bau- und Testauftrag. Die Sicherheitsfixes des Tages stecken schon in älteren Builds, die Server-Härtung ist neu.

Die drei ZDI-Advisories

Alle drei erschienen am 13.11.2026 und haben die Angriffsart „lokal, Benutzerinteraktion nötig": Das Opfer muss eine präparierte Datei öffnen oder laden. ZDI nennt als Folge Codeausführung im Kontext des Prozesses.

AdvisoryCVECVSSFehlerartFix laut ZDIGemeldet
ZDI-26-976CVE-2026-1269757.8Heap-Pufferüberlauf beim GGUF-ParsenPR 3133628.10.2026
ZDI-26-975CVE-2026-1269747.8Integer-Überlauf beim GGUF-ParsenPR 3133628.10.2026
ZDI-26-954CVE-2026-1269767.0Integer-Überlauf im mtmd-Audio-Projektor-GGUFCommit e2e7a9b18.06.2026

Messeinheit: Angaben der ZDI-Seiten vom 13.11.2026, gelesen am 15.11.2026. Die CVE-Zuordnung steht auf den ZDI-Seiten; CVE.org lieferte bei unserem Abruf am 15.11. für alle drei IDs noch 404.

Was wir selbst geprüft haben, steht im Git-Verlauf von ggml-org/llama.cpp (GitHub-API, 15.11.2026):

  • PR 31336 ist am 28.10.2026 um 22:15 UTC gemerged (Commit cf24317). Titel: „common, mtmd: bound control vector layer indices and M-RoPE position loops". Der PR-Text spricht von zwei Schreibzugriffen außerhalb der Grenzen und nennt weder CVE noch ZDI.
  • Der für ZDI-26-954 genannte Commit e2e7a9b trägt den Titel „mtmd: several bug fixes (#24784)" und das Datum 19.06.2026.
  • Beide Commits sind Vorfahren von v1.0.0 und auch von b12282, dem Build unserer Reserve-Lane. Die Release-Notes von v1.0.0 enthalten PR 31336 nicht.

Grenzen: Dass der Code der beiden Änderungen jede der drei ZDI-Beschreibungen vollständig schließt, folgt aus dem Vermerk der ZDI und nicht aus einem Test von uns. Der PR 31336 beschreibt Kontrollvektoren und M-RoPE-Schleifen, ZDI-26-975 und -976 sprechen vom GGUF-Parsen allgemein. Wer fremde GGUF-Dateien lädt, sollte deshalb nicht nur auf diese Zuordnung vertrauen.

Was in v1.0.0 sonst steht

Der Release-Text misst 29.142 Zeichen (eigene Zählung über die GitHub-API) und hat sieben Abschnitte: API changes, New models, Core changes, Multi-modality changes, Server changes, UI changes, ggml changes. Für den Betrieb einer Lane zählen davon acht Punkte.

Messeinheit: PR-Nummern und Abschnitt, abgelesen am Release-Text vom 13.11.2026, Stand 15.11.2026.

ÄnderungAbschnittPRWas das für den Betrieb heißt
35 Deprecated-Funktionen aus llama.h, dazu llama_set_warmup und --defrag-tholdAPI#30565Wer selbst gegen libllama kompiliert, muss neu bauen. Wer nur Container fährt, merkt nichts.
NextN-API rückt aus llama-ext.h in llama.hAPI#30565Spekulative Decodierung wird Teil der stabilen Fläche; unsere Lane nutzt MTP als Draft
moe_cache_size und moe_cache_cpu_share im KontextAPI und Core#30966Expertenauslagerung auf RAM wird konfigurierbar, samt CPU-Anteil für Misses
FP8-KV-Cache über -ctk/-ctv f8_e4m3Core#28392Weniger Speicher je Token Kontext; unsere Lane steht auf q8_0
security: --cors-origins, DNS-Rebinding, CORS-Proxy-SSRF, KindinstanzenServer#32098, #32115, #32120Siehe Abschnitt Server
security: Opt-ins --allow-unauthenticated-tools, --media-allow-private-urlsServer#32113, #32115Gefährliche Komfortfunktionen liegen hinter einer Flagge
/v1/audio/speech, OpenAI-kompatibelServer#31763Sprachausgabe im Server selbst
Web-Oberfläche mit Chat-Gruppen und Markdown-EditorUI#31936, #32012, #31955Für uns ohne Wirkung, die Lane liefert keine Oberfläche aus

Dazu kommen drei neue Textarchitekturen (Kimi-K3.1-Pro, Ripple-65B-Preview, xing4_0), drama-3 als TTS-Architektur und zwei Vision-Erweiterungen (MageVL-Cowork, Kimi-K3.1). Der Hugging-Face-Beitrag des Teams nennt mehr als 150 Architekturvarianten und alle gängigen Methoden für spekulative Decodierung; das ist eine Herstellerangabe, wir haben nicht nachgezählt. Die Ausgangslage für Sprach-KI vor 1.0.0 beschreibt unser Beitrag zu LFM3-Audio in llama.cpp.

Server-Härtung: was die Maintainer selbst dazu schreiben

Die vier Server-PRs sind zwischen dem 11.11. 20:17 UTC (PR 32098) und dem 12.11. 11:33 UTC (PR 32115) gemerged, also nach dem Erscheinen von b12282 (11.11., 03:31 UTC). Unser Build enthält sie damit nicht.

Die Maintainer ordnen sie selbst ein. PR 32113 sagt: Werkzeuge oder MCP mit nicht-loopback --host ohne API-Schlüssel werden mit Fehler abgelehnt, es sei denn --allow-unauthenticated-tools ist gesetzt. Dazu steht dort wörtlich, keine dieser Änderungen sei tatsächlich eine Schwachstelle, man habe die Bedienung aber verschlechtern müssen, weil sich Leute daran stören. PR 32115 sagt, dass CORS-Proxy und Medien-URLs bisher jede lokale Adresse erreichen durften und das Absicht war, weil man erwartete, dass Nutzer llama-server selbst abschotten. PR 32098 beschreibt das Verhalten für jeden Wert von --cors-origin außer *: Fremde und leere Origins werden abgelehnt, Anfragen ohne Origin von anderen Seiten ebenfalls.

Für uns heißt das: Das Verhalten unserer Lane (siehe Tabelle unten) ist die Voreinstellung vor 1.0.0 und kein Defekt. Ob eine Lane in 1.0.0 mit den Standardwerten (--cors-origin *, kein Schlüssel) anders antwortet, haben wir nicht geprüft; die PR-Texte beschreiben Änderungen für gesetzte Werte und für Werkzeuge.

Nachgemessen: unsere Standby-Lane

Die CUDA-Reserve-Lane auf unserem Reserve-Inferenz-Host läuft als Container mit dem offiziellen CUDA-Server-Image von ggml-org. Sie ist die Ausweichlane, die Produktivlast läuft auf einem anderen Host. Gemessen am 15.11.2026 zwischen 15:45 und 16:00 UTC, lesend: Container-Inspektion auf dem Host, HTTP-Sonden aus drei internen Netzen, keine Vervollständigungsanfrage.

Messeinheit: HTTP-Status und Startargumente, Messort Reserve-Inferenz-Host, Messdatum 15.11.2026, eigene Messung.

Was wir geprüft habenGemessenMessweg
Build der laufenden Laneb12282-aa75ff323/props
Bildoffizielles server-cuda-Image vom 11.11.2026docker images
Abstand zu v1.0.077 Build-Nummern (b12359 minus b12282, abgeleitet; keine 77 veröffentlichten Releases)Tag-Nummern
StartargumenteBindung an alle Schnittstellen, kein --api-key, keine Werkzeug-FlaggenConfig.Cmd
/props, /slots ohne Schlüssel200HTTP-Sonde
Fremder Originwird im CORS-Header gespiegelt, Credentials erlaubtSonde mit Origin-Header
Vorabklärung (OPTIONS)200, kein Access-Control-Allow-Private-NetworkSonde ohne Seiteneffekt
Fremder Host-Header200 auf /healthSonde mit Host: rebind.example
Erreichbarkeit ohne Schlüssel aus drei internen Netzenaus zwei 200, aus dem dritten Zeitüberschreitungcurl, 6 s
Web-Oberfläche415 auf / bei Accept: text/htmlSonde
KV und Kontext-ctk q8_0 -ctv q8_0, 262.144 Token, MTP-DraftConfig.Cmd

Drei Befunde. Erstens: Ohne Schlüssel kann jeder mit Netzzugang Anfragen stellen und die Slots der Reserve belegen. Aus zwei von drei geprüften internen Netzen kamen wir ohne alles durch. Das ist Hausaufgabe an uns, das Projekt hat die Voreinstellung bewusst offen gelassen. Zweitens: Der Server spiegelt jeden fremden Origin und erlaubt Credentials. Ob ein Browser daraufhin Anfragen aus dem öffentlichen Netz in ein internes Netz schickt, regelt der Entwurf zu Private Network Access (Stand 26.09.2024, Draft Community Group Report), der für diesen Fall einen Opt-in-Header verlangt, den unsere Lane nicht sendet. Wir haben das in keinem Browser getestet. Drittens: Der Host-Header wird nicht geprüft, was die Voraussetzung für DNS-Rebinding ist, gegen das PR 32098 vorgeht.

Aus dem Internet haben wir die Lane nicht angesprochen und machen dazu keine Aussage.

Veröffentlichte llama.cpp-Builds je Tag08.11.15 · 1509.11.12 · 1210.11.20 · 2011.11.14 · 1412.11.19 · 1913.11.20 · 20, darin v1.0.014.11.12 · 12022
Eigene Zählung über die Release-Liste auf github.com am 15.11.2026 gegen 15:55 UTC, Seiten 1 bis 15 (150 Einträge, ältester b12184). Tage nach UTC; gezählt sind nur vollständig erfasste Tage 08. bis 14.11., der 07.11. ist abgeschnitten, der 15.11. läuft noch (bis zur Messung 29 Builds). Der 11.11. ist der Tag, an dem das Bild unserer Lane entstand, am 13.11. erschien v1.0.0. Gezählt sind alle Veröffentlichungen inklusive v1.0.0. (Quelle: GitHub-API ggml-org/llama.cpp, releases, eigene Zählung)

Neue Versionierung und unser Kalender

Die Regeln stehen in einer Diskussion des Teams und im Hugging-Face-Beitrag. Sie sind kurz und beantworten die Frage, wie oft man nachziehen muss.

ÄnderungstypZahlBeispiel aus 1.0.0
Bruch der öffentlichen C-API in include/MAJORWegfall der 35 Deprecated-Funktionen
Rückwärtskompatible Funktion, Backend, ModellunterstützungMINORneue Architektur, neue Flagge
Fehlerbehebung ohne API-ÄnderungPATCHFixes im Server

Dazu gilt laut Diskussion: Die Release-Tags v1.0.0 entstehen nur, wenn die interne ggml-Kopie mit dem ggml-Release identisch ist; die b-Tags bleiben die laufenden Entwicklungsbuilds. Für Docker-Betreiber heißt das: Neben dem fließenden Tag server-cuda gibt es auf ghcr.io (abgefragt 15.11.2026) das feste Tag server-cuda-v1.0.0-b12359-b1b770d. Unsere Compose-Datei für die Reserve nutzt den fließenden Tag ohne Digest. Beim nächsten Neustart würde sie damit ein neueres Bild ziehen als das vom 11.11., ohne dass jemand es ausgesucht hat. Festlegen auf Tag oder Digest ist der einzige Weg, das zu vermeiden.

Was wir getan haben, und was noch offen ist

Die Messung oben war rein lesend. Danach haben wir die Lücke geschlossen, die uns am meisten störte: Am 15.11.2026 gegen 22:10 UTC haben wir --api-key über die Umgebungsvariable LLAMA_API_KEY gesetzt und den Container neu angelegt (35 Sekunden bis „healthy"). Das Gateway vor der Lane bekam denselben Schlüssel, vorher stand dort ein Platzhalter. Nachgemessen aus demselben Netz wie vorher: ohne Schlüssel und mit dem alten Platzhalter 401, /health weiter 200, beide Ausweichrouten des Gateways antworten. Bild, Bindung und KV-Einstellungen sind unverändert; die übrigen Zeilen der Tabelle sind nicht umgesetzt.

MöglichkeitAufwandNutzenPreis
Bild auf festes Tag oder Digest stelleneine Zeile in ComposeStand reproduzierbar, Härtung drinNeustart, Durchsatzlauf danach
--api-key dazu (am 15.11.2026 umgesetzt)eine FlaggeFremde im Netz kommen nicht mehr durchalle Clients brauchen den Schlüssel
--host auf die Gateway-Adresseeine FlaggeLane nur für das Gateway erreichbarUmbau, sobald ein zweiter Verbraucher dazukommt
KV auf FP8 prüfenMessreihemehr Kontext auf derselben KarteQualität erst mit echten Anfragen belegen
MoE-Experten-Cache testenMessreiheHoffnung für große Mixturen auf wenig VRAMauf der Lane läuft ein dichtes Modell, kein Kandidat

FP8 hätte die halbe Bitbreite von q8_0 und damit grob den halben KV-Speicher; das ist aus der Bitbreite abgeleitet und nicht von uns gemessen. Wie wir FP8 im KV-Cache auf der Produktivstrecke eingesetzt haben, beschreibt Flash-Next in Produktion.

Offene Punkte

  • Ob der Code von PR 31336 und Commit e2e7a9b jede einzelne ZDI-Beschreibung schließt: nur ZDI-Angabe, kein Test.
  • Wie ein 1.0.0-Server mit Standardwerten auf fremden Origin und fremden Host-Header antwortet: nicht gemessen.
  • CVE-Einträge: CVE.org lieferte am 15.11. für alle drei IDs 404, NVD für CVE-2026-126975 keinen Datensatz, für die beiden anderen Abfragen kam kein auswertbares Ergebnis. Die IDs stehen deshalb nur auf den ZDI-Seiten.
  • Herkunft der beiden GGUF-Dateien auf unserer Lane: nicht Teil dieser Messung.
  • Erreichbarkeit von außen: nicht geprüft.
  • Browser-Verhalten zu Private Network Access: nicht getestet; der Entwurf stammt von 2024.

Weiterlesen: ImageMagick-Policy gegen ImageTragick2 · Huawei MACaQ für GGUF, nachgemessen · DeepSeek-API: Spracherkennung, Sprachausgabe, OCR

Weiterführende Quellen

Primärquellen (gelesen am 15.11.2026)

Sicherheit und Außenquellen

Bei uns

Fragen?
Betreffen die drei ZDI-Lücken unsere laufende llama.cpp-Lane?+

Nach dem Git-Verlauf nicht mehr: Der von ZDI genannte Pull Request 31336 (Merge am 28.10.2026) und der für ZDI-26-954 genannte Commit e2e7a9b sind beide Vorfahren des Builds b12282, den unsere Reserve-Lane fährt. Das ist eine Ableitung aus der Commit-Historie, kein Exploit-Test. Ob der Code der beiden Änderungen jede einzelne ZDI-Beschreibung abdeckt, haben wir nicht geprüft.

Sollten wir wegen 1.0.0 die Lane sofort neu bauen?+

Wegen der drei Lücken nicht, wenn der Build b12282 oder neuer ist. Für die Server-Härtung ja, wenn der Server aus fremden Netzen erreichbar ist oder Werkzeuge aktiviert sind. Ein Neustart kostet ein Wartungsfenster, ein Durchsatzvergleich gehört dazu. Das Erscheinungsdatum allein ist kein Grund.

Woran erkenne ich, ob meine eigene Installation betroffen ist?+

Drei Handgriffe. /props aufrufen und die Build-Nummer lesen. Die Startargumente auf --host und --api-key prüfen; --host 0.0.0.0 ohne Schlüssel heißt offen für jeden mit Netzzugang. Mit einem fremden Origin-Header anfragen und nachsehen, was Access-Control-Allow-Origin zurückgibt. Dazu aus dem Git-Verlauf klären, ob dein Build den Commit cf24317 enthält.