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: cde8f78a-5db2-47cf-b88d-95f4df98fa7b | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:41:09.916010+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
cde8f78a-5db2-47cf-b88d-95f4df98fa7b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:09.916010+00:00
c6c707b3-4fc5-48ef-8ea6-688d57aa2886	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:09.755908+00:00
7497ebbe-4643-4186-a68a-be216a3374d7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:09.593596+00:00
006dbbeb-980b-475c-9a22-8971fef3b59f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:09.456547+00:00
79ec334e-0312-4c06-b66f-3e57e8278644	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:09.296090+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2194	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2194

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
cde8f78a-5db2-47cf-b88d-95f4df98fa7b	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.916010+00:00
c6c707b3-4fc5-48ef-8ea6-688d57aa2886	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.755908+00:00
7497ebbe-4643-4186-a68a-be216a3374d7	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.593596+00:00
006dbbeb-980b-475c-9a22-8971fef3b59f	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.456547+00:00
79ec334e-0312-4c06-b66f-3e57e8278644	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.296090+00:00
06372a2a-47f0-4f8d-8a09-8907f05558f0	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.209342+00:00
bb2a2f21-a0e4-4743-8e1b-3badfc5cb722	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:09.028122+00:00
b92586dd-378e-4c3b-bb26-e101df404cad	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:08.849058+00:00
2c0117d6-812d-4f06-8e7b-2dd3c1b20d2d	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:08.689983+00:00
cb8811b1-4f24-4acb-969b-c1fc20c39b73	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:08.291226+00:00

Cost Frontier

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