Model bahasa besar sering berjalan pada mesin yang terpisah dari mesin inferensinya, tetapi LLM jahat secara potensial dapat mengontrol mesin host tempat beratnya dimuat. Target bernilai tinggi ini menawarkan komputasi signifikan dan akses istimewa ke komputer lain di pusat data.

Vektor serangan utama melibatkan LLM yang mengeluarkan urutan token yang mengeksploitasi kerentanan dalam perangkat lunak yang memuat model. Seperti program apa pun, mesin inferensi seperti v LLM atau SGLang mungkin mengandung bug yang dapat dieksploitasi. LLM jahat dapat mengeluarkan token yang disalahartikan sebagai kode yang dapat dieksekusi daripada respons pengguna.

Sebagai contoh, CVE-2025-9141 adalah bug eksekusi kode sewenang-wenang dalam parser alat berbasis XML dari v LLM untuk Qwen3 Coder. Parser tersebut meneruskan argumen ke eval(), memungkinkan eksekusi kode. Meskipun Gemini menandai masalah tersebut sebagai kritis, pemelihara utama melakukan penggabungan paksa terhadap PR karena kompleksitas parsing.

Mesin-mesin ini adalah sistem kompleks yang mendukung lebih dari 200 arsitektur model. Bug umum terjadi; satu masalah menunjukkan bahwa v LLM salah mengurai `<mm:think>` dari Mini Max-M3 sebagai teks penalaran. Meskipun output multimodal menambahkan permukaan serangan, token media terbatas saat ini membatasi eksploitasi file langsung.