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: 7afc942b-9602-40be-a3cc-add0cb8f6bdf | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:42:27.065102+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
7afc942b-9602-40be-a3cc-add0cb8f6bdf	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:27.065102+00:00
8a462269-476d-4d06-9445-d92e6bdec99f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:27.002473+00:00
feb77266-983d-4ac6-a414-eaa6e29f18cd	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:26.919664+00:00
b5527a62-6686-42bd-a44a-6e58ee7bf477	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:26.854110+00:00
7d37d901-3e86-462a-bfd9-f4fcab561acc	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:26.788504+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2241	#################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2241

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
7afc942b-9602-40be-a3cc-add0cb8f6bdf	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:27.065102+00:00
8a462269-476d-4d06-9445-d92e6bdec99f	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:27.002473+00:00
feb77266-983d-4ac6-a414-eaa6e29f18cd	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.919664+00:00
b5527a62-6686-42bd-a44a-6e58ee7bf477	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.854110+00:00
7d37d901-3e86-462a-bfd9-f4fcab561acc	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.788504+00:00
6feb6cda-dacd-4d91-967d-5670c2dd1795	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.706102+00:00
3984babf-41da-49ff-9f9e-c421d2820984	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.618426+00:00
83f4ceb6-6e62-4c95-9023-2cbaf8b686dc	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.537195+00:00
3344ab8b-ed11-406f-b800-2d94e31a1a83	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.472049+00:00
94704c19-76c7-46cd-af55-b53ab467da98	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:26.377914+00:00

Cost Frontier

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