A szöveges és képi bemenetek kezelésére tervezett multimodális MI-modellek megnövelhetik a visszaélések lehetőségét, ha nem védik őket megfelelően. Az Enkrypt AI jelentésében e rendszerek sebezhetőségeit vizsgálta, különös tekintettel a Mistral Pixtral-Large (25.02) és Pixtral-12b modellekre.