Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 15 | Pass rate: 100.0% | Cost: $0.0150

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010
python-refactor-easy-001	easy	0.740	✓	$0.0010
typescript-refactor-easy-001	easy	0.740	✓	$0.0010
python-config-easy-001	easy	0.740	✓	$0.0010
typescript-config-easy-001	easy	0.740	✓	$0.0010
python-recovery-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: bab27378-e2ba-4b41-a162-bc13164638ef | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-10T02:43:11.497258+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
bab27378-e2ba-4b41-a162-bc13164638ef	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:11.497258+00:00
80d265f6-474b-4e19-82ae-7ca1da9a0a3c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:11.448534+00:00
22cc148d-bd82-482a-b824-ad1582613198	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:11.395237+00:00
ef829276-578d-48e2-aae1-5e4c027efdd1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:11.347031+00:00
7d3f5b3e-b49c-427c-b8fe-6b348d65f017	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:11.300734+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2162	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2162

##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
bab27378-e2ba-4b41-a162-bc13164638ef	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.497258+00:00
80d265f6-474b-4e19-82ae-7ca1da9a0a3c	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.448534+00:00
22cc148d-bd82-482a-b824-ad1582613198	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.395237+00:00
ef829276-578d-48e2-aae1-5e4c027efdd1	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.347031+00:00
7d3f5b3e-b49c-427c-b8fe-6b348d65f017	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.300734+00:00
d4ec6852-1820-4c34-a54b-de0c4bf3e6d0	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.254419+00:00
1a7df13c-9c9f-402a-8cae-ad17c5f06050	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.175587+00:00
e1ea5866-b36d-4ac6-a63c-b2bfa3527647	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.122040+00:00
bdca1f77-5c7c-4982-a2bf-6ecf59d5f32e	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.058399+00:00
59608236-caa5-4ce9-a0d0-ba10c62aa351	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:11.013688+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0040  (coder)