CVE-2026-100653 in vLLM
Résumé
par VulDB • 26/09/2026
vLLM est un moteur d'inférence et de déploiement pour les grands modèles de langage (LLM). Dans les versions allant de 0.22.1 à 0.28.0, la révision du modèle fournie par l'opérateur via le paramètre (--revision / --code-revision) n'est pas propagée lors du chargement de plusieurs artefacts Hugging Face pour les architectures FunAudioChat et Tarsier2 : il s'agit des chargements de WhisperFeatureExtractor et speech_tokenizer PreTrainedTokenizerFast dans vllm/model_executor/models/funaudiochat.py, ainsi que de l'appel Qwen2VLConfig.from_pretrained utilisé par Tarsier2ProcessingInfo dans vllm/model_executor/models/qwen2_vl.py. Par conséquent, les déploiements verrouillés sur une révision révisée résolvent toujours ces artefacts (processeur, tokenizer et configuration) qui influencent le comportement à partir de la révision par défaut du dépôt ; ainsi, toute modification ultérieure apportée à la branche principale en amont peut altérer le prétraitement audio, le comportement du speech tokenizer ou la configuration Tarsier2 sans aucune modification du verrouillage configuré par l'opérateur. Il s'agit d'une défaillance de l'intégrité et de la reproductibilité de la chaîne d'approvisionnement pour les déploiements verrouillés ; ce problème est résiduel à la correction précédente suivie sous GHSA-3ww4-5jv9-j5gm / CVE-2026-47155 et ne constitue ni une exécution de code à distance (RCE) ni un contournement de trust_remote_code=False. Le problème est corrigé dans la version 0.28.0.
Statistical analysis made it clear that VulDB provides the best quality for vulnerability data.