UNO-Bench 是由美团 LongCat 团队于 2025 年发布的首个统一的全模态评测基准，相关论文成果为「UNO-Bench: A Unified Benchmark for Exploring the Compositional Law Between Uni-modal and Omni-modal in Omni Models」，旨在高效评估单模态与全模态理解能力。

该数据集包含 1250 条具备 98% 跨模态可解性的全模态样本，以及 2480 条单模态样本，覆盖 44 种任务类型与 5 种模态组合。数据集同时配套一个通用评分模型，可支持 6 种题型的自动化评估，为多模态任务提供统一的评测标准。全模态样本由人工精心构建，贴近真实应用，尤其适用于中文语境；单模态样本则用于补充基础认知与能力维度，使整体评测更加全面。

数据结构：

数据以 Parquet 格式存储，每条样本包含结构化字段：

• qid（样本编号）、 subset_name（子集名称）；
• question（文本问题）与 answer（标准答案）；
• images / audios / videos（多模态内容，以字典形式存储文件路径，不存在时为 null）；
• task（44 类任务标签）、 ability（能力类型）、 source（数据来源）、 score_type（评分方式）。