Ulam wertet 226 Aufgaben aus, die den offenen Problemen von Paul Erdős nachempfunden sind. Die Firma hält ausdrücklich fest, dass es sich um Forschungskandidaten handelt und nicht um eine Liste zertifizierter offener Probleme. Jede Antwort bekommt eine Note von A bis F, dazu M für eine fehlende Ausgabe; die Rangliste zeigt den Notenschnitt auf einer Skala von 0 bis 4.
Fable 5.1 kommt in der Stufe xhigh auf 3,25 bei 104 A-, 112 B- und 10 C-Noten. GPT-6 Astra erreicht in derselben Stufe 3,23 bei 106 A-, 102 B- und 18 C-Noten. Beide Modelle wurden in allen 226 Fällen benotet, keines fiel unter C. GPT-5.6 Sol folgt mit 3,12, danach GLM-5.3 Flash mit 2,95.
Nachprüfbar ist die Liste nicht. Öffentlich stellt Ulam nur einen Smoke-Test mit 14 Aufgabenstellungen aus dem eigenen Whitepaper vom Juni 2026 bereit; den vollständigen 226er-Korpus, die Aufteilungen, die Musterlösungen und die Innereien des Prüfers behält die Firma zurück. Ulam verkauft private Evaluationen, eigene Forschungs-Benchmarks und Trainingsdaten aus fehlgeschlagenen Beweisversuchen.
Ein Lauf- oder Aktualisierungsdatum weist die Rangliste nicht aus; den Wechsel an der Spitze datiert allein die Meldung von The Decoder vom 10. September 2026. Sie fällt in dieselbe Woche wie OpenAIs Navier-Stokes-Beweis. OpenAIs Chefwissenschaftler Jakub Pachocki hatte kurz zuvor geschrieben, man könne die Modelle mit zusätzlichem Fokus auf Mathematik verbessern, priorisiere diese Richtung aber nicht.