تتقدم النماذج الكبيرة متعددة الوسائط من الفهم الأحادي الوسائط نحو دمج الوسائط البصرية والصوتية واللغوية معًا، ويُعرف هذا التطور collectively باسم النماذج الشاملة (omni models). ومع ذلك، لا تزال العلاقة بين الأداء الأحادي الوسائط والأداء الشامل غير واضحة، مما يستدعي إجراء تقييم شامل لدفع تطور ذكاء النماذج الشاملة. في هذا العمل، نقدّم معيارًا جديدًا عالي الجودة ومُوحَّدًا للنماذج الشاملة، يُسمى UNO-Bench. تم تصميم هذا المعيار لتقييم كفاءات الأداء الأحادي والشامل ضمن تصنيف موحد للقدرات، ويغطي 44 نوعًا من المهام و5 تراكيب مختلفة للوسائط. يضم المعيار 1250 عينة تم اختيارها يدويًا لتمثيل السياقات الشاملة، مع معدل حل عبر الوسائط بنسبة 98%، بالإضافة إلى 2480 عينة محسّنة للأداء الأحادي. يُعدّ هذا المجموعة المُولَّدة من قبل البشر مناسبة جدًا للسياقات الواقعية، خاصة في السياق الصيني، بينما توفر المجموعة المُضغوطة تلقائيًا زيادة بنسبة 90% في السرعة مع الحفاظ على اتساق بنسبة 98% عبر 18 معيارًا عامًا. وبالإضافة إلى الأسئلة المتعددة الخيارات التقليدية، نقترح تنسيقًا جديدًا للأسئلة المفتوحة متعددة الخطوات لتقييم الاستدلال المعقد. كما تم دمج نموذج تقييم عام يدعم تقييمًا آليًا لستة أنواع من الأسئلة بدقة تصل إلى 95%. أظهرت النتائج التجريبية وجود قانون تركيبي بين الأداء الشامل والأداء الأحادي، حيث يظهر الأداء الشامل تأثيرًا كأنه عائق في النماذج الضعيفة، بينما يُظهر تأثيرًا تكامليًا مُعزّزًا في النماذج القوية.