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: 6c1ef733-3901-4689-b1c0-7ab0a49153a9 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T14:01:04.407286+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6c1ef733-3901-4689-b1c0-7ab0a49153a9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:04.407286+00:00
2a9a7728-af27-4afd-8ba7-69f5dbba0eb3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:04.312346+00:00
3454346c-7af0-4fda-a277-ab0de132e80b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:04.216726+00:00
885c4f27-baf7-4e61-88d8-c483b6676533	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:04.147281+00:00
c3f6327d-8346-4d26-8d07-e3f8a0430215	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:04.056604+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2429	#############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2429

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6c1ef733-3901-4689-b1c0-7ab0a49153a9	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:04.407286+00:00
2a9a7728-af27-4afd-8ba7-69f5dbba0eb3	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:04.312346+00:00
3454346c-7af0-4fda-a277-ab0de132e80b	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:04.216726+00:00
885c4f27-baf7-4e61-88d8-c483b6676533	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:04.147281+00:00
c3f6327d-8346-4d26-8d07-e3f8a0430215	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:04.056604+00:00
ca91c9e9-d894-467a-92c4-3bf174e723ea	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:03.977606+00:00
8866f8ab-8d38-4d77-82ed-42c502cc2b6f	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:03.882906+00:00
6bfbd4ad-e8bd-497a-b73b-c3cb42cf661d	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:03.803207+00:00
b48cdf1b-e482-4369-9762-dfbebd5eac38	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:03.713086+00:00
82447674-439e-429b-95da-b7836a48172a	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:03.616735+00:00

Cost Frontier

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