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: 1a6310db-ffc5-48c4-8faf-442a5c074449 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:56:11.307953+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
1a6310db-ffc5-48c4-8faf-442a5c074449	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:11.307953+00:00
5c3c33de-d4a0-4618-a777-f3383939dea1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:11.223155+00:00
47a42189-3dcc-4a28-a007-30f9c80cbfb5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:10.497077+00:00
517621a5-497f-4be0-9e0c-c7d14d02133e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:10.402788+00:00
d7a934bd-bf48-47fb-aafb-9d4f2312af39	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:56:10.320870+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2367	###############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2367

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
1a6310db-ffc5-48c4-8faf-442a5c074449	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:11.307953+00:00
5c3c33de-d4a0-4618-a777-f3383939dea1	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:11.223155+00:00
47a42189-3dcc-4a28-a007-30f9c80cbfb5	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.497077+00:00
517621a5-497f-4be0-9e0c-c7d14d02133e	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.402788+00:00
d7a934bd-bf48-47fb-aafb-9d4f2312af39	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.320870+00:00
a0f34316-56b1-4ec1-a22d-d773dff907b7	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.237020+00:00
29efd179-465a-4ae3-9710-e615f9b9e594	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.146302+00:00
f476bc52-18ca-4e92-87d9-a64ca7f8df4a	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:10.068493+00:00
0ea40fce-7502-4b07-9ae9-e2b943205f0d	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:09.978200+00:00
fae284a8-5fc2-48eb-abfd-143fd850844c	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:56:09.882201+00:00

Cost Frontier

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