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: b491f926-0486-4a71-ad91-161b647fa118 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:48:24.097878+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
b491f926-0486-4a71-ad91-161b647fa118	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:24.097878+00:00
9fe4861f-a3d5-4a82-a3c0-e9f56f0a69ed	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:23.910663+00:00
07fe165c-f06f-47eb-91ce-00fd0134b802	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:23.738796+00:00
3d41d397-6f81-425e-b303-358447192ba1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:23.582015+00:00
34d3ff4e-ec08-4595-b201-966c2eeca56a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:23.417861+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2288	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2288

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
b491f926-0486-4a71-ad91-161b647fa118	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:24.097878+00:00
9fe4861f-a3d5-4a82-a3c0-e9f56f0a69ed	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.910663+00:00
07fe165c-f06f-47eb-91ce-00fd0134b802	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.738796+00:00
3d41d397-6f81-425e-b303-358447192ba1	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.582015+00:00
34d3ff4e-ec08-4595-b201-966c2eeca56a	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.417861+00:00
23c884a3-3256-4f16-a52c-8ca39e45df66	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.259494+00:00
cde7f28e-bf93-4530-baeb-fc5651ac7b95	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:23.084278+00:00
a6271a1a-a081-4cf3-8072-1e3d65535fe2	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:22.916974+00:00
e2baa548-569b-4067-9029-1fb386fd90c9	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:22.774476+00:00
dfdebad4-d4d6-420b-86e1-09746fc2e622	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:22.592692+00:00

Cost Frontier

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