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: 40fed0f5-5c94-4f37-bcc2-188288dba264 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:42:34.094716+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
40fed0f5-5c94-4f37-bcc2-188288dba264	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:34.094716+00:00
8fabb391-fd1c-4e20-9498-5a0ba5eac964	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:33.983579+00:00
bd2b7709-0e37-4bcc-8f00-9e838207e7fd	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:33.888847+00:00
2c33fa9b-5ffc-49b8-ab68-6476728ecdb9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:33.801864+00:00
88451083-2072-4143-b9d1-ace11fef9ca5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:33.716515+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2256	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2256

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
40fed0f5-5c94-4f37-bcc2-188288dba264	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:34.094716+00:00
8fabb391-fd1c-4e20-9498-5a0ba5eac964	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.983579+00:00
bd2b7709-0e37-4bcc-8f00-9e838207e7fd	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.888847+00:00
2c33fa9b-5ffc-49b8-ab68-6476728ecdb9	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.801864+00:00
88451083-2072-4143-b9d1-ace11fef9ca5	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.716515+00:00
8dcc02af-b73a-4cd0-a102-0526a07f270e	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.618956+00:00
c8bd674c-e074-4784-90ab-44bce86ef6f5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.529353+00:00
d3dd9333-c66e-4361-bec5-56b0ccead050	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.433385+00:00
62693425-614a-4193-b8f4-97b4cb75627a	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.369478+00:00
6016ac51-0aa3-4af9-b1ab-db21b6e8fafb	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:33.292190+00:00

Cost Frontier

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