Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 2 | Pass rate: 100.0% | Cost: $0.0020

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

Leaderboard Snapshot

Latest run: 880dbb68-94b4-423b-b888-57dbca99d635 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:41:06.850097+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
880dbb68-94b4-423b-b888-57dbca99d635	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:06.850097+00:00
17df6773-bd28-450c-8dc4-fd310a1c9e74	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:06.758496+00:00
ff381bbc-6e80-49d6-9b3d-92b374d506b8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:04.685503+00:00
4eee26e3-9cf5-49ea-9a2c-0756229ccc3d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:04.605669+00:00
9e6cbc96-6522-4574-8aab-63257d1147da	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:04.547290+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2179	###################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2179

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
880dbb68-94b4-423b-b888-57dbca99d635	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:06.850097+00:00
17df6773-bd28-450c-8dc4-fd310a1c9e74	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:06.758496+00:00
ff381bbc-6e80-49d6-9b3d-92b374d506b8	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.685503+00:00
4eee26e3-9cf5-49ea-9a2c-0756229ccc3d	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.605669+00:00
9e6cbc96-6522-4574-8aab-63257d1147da	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.547290+00:00
33f7bc12-ccf0-45c4-884f-a1200f42b18c	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.488669+00:00
4358ad57-82b4-4687-b41d-7635b1f57cd4	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.426000+00:00
add3f840-0979-47a3-8dd6-6cf30e13a2e0	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.376148+00:00
a9b9c3d2-d680-4072-8ca9-19a51aa902b3	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.329518+00:00
79477fbd-e8fb-4972-b2bf-aaf319713a39	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:04.263043+00:00

Cost Frontier

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