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: 1d791441-f328-4e7c-b3af-8bbd9718044e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:56:20.911202+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
1d791441-f328-4e7c-b3af-8bbd9718044e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:20.911202+00:00
72250114-af36-453f-93c2-64bb2c8b6e09	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:20.818246+00:00
7d7b4618-e7f7-42cf-b2a5-3121cec66ce3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:20.716097+00:00
db94adbc-f1fa-4b44-b2d2-aa6969b70d8b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:20.623676+00:00
1815cc7b-eb03-422c-b24b-2cea975f6f24	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:20.514760+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2397	#############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2397

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
1d791441-f328-4e7c-b3af-8bbd9718044e	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.911202+00:00
72250114-af36-453f-93c2-64bb2c8b6e09	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.818246+00:00
7d7b4618-e7f7-42cf-b2a5-3121cec66ce3	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.716097+00:00
db94adbc-f1fa-4b44-b2d2-aa6969b70d8b	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.623676+00:00
1815cc7b-eb03-422c-b24b-2cea975f6f24	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.514760+00:00
aab4d359-9502-4dd1-9fb4-cadccabe1ac4	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.437034+00:00
f6543fa1-d7f5-4751-b00a-9f80d1d2e9e4	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.340404+00:00
9db200e1-0189-412c-bbbf-889041f8f51c	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.257284+00:00
12d87424-0826-42b6-8edc-f635d7f44d2e	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.162122+00:00
5c386f37-1d1a-4a20-a92f-d658f4c44797	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:20.070805+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0039  (coder)