ओमनीप्ले विविध संवेदी सूचनाओं का लाभ उठाने वाले इंटरैक्टिव एजेंट मॉडलों की बुद्धिमत्ता के मूल्यांकन हेतु एक नया मानक है। मौजूदा मानकों की सीमाओं को पार करने के लिए, यह दृश्य, श्रवण और लौकिक सूचनाओं सहित विभिन्न तौर-तरीकों को एकीकृत करता है और एक इंटरैक्टिव खेल वातावरण प्रदान करता है। पाँच खेल वातावरणों से युक्त, यह एजेंट की क्रॉस-मोडल तर्क क्षमताओं का आकलन करने के लिए तौर-तरीकों के बीच अंतःक्रियाएँ और संघर्ष उत्पन्न करता है। छह प्रमुख बहुविध मॉडलों के मूल्यांकन से उच्च-रिज़ॉल्यूशन मेमोरी कार्यों पर असाधारण प्रदर्शन का पता चला, लेकिन मज़बूत तर्क और रणनीतिक योजना की आवश्यकता वाले कार्यों में महत्वपूर्ण विफलताएँ मिलीं। यह भेद्यता एक भंगुर संलयन तंत्र से उत्पन्न होती है, जो तौर-तरीकों के संघर्ष होने पर प्रदर्शन में तेज़ी से गिरावट प्रदर्शित करता है। इसके अलावा, इसने "कम ही अधिक है" विरोधाभास की खोज की, जहाँ संवेदी जानकारी को हटाने से विरोधाभासी रूप से प्रदर्शन में सुधार होता है। इसलिए, मज़बूत एजीआई पर शोध के लिए केवल स्केलिंग से कहीं अधिक की आवश्यकता है; इसे सहक्रियात्मक संलयन के लिए एक स्पष्ट समाधान प्रदान करना होगा।
