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: 16321316-248c-462f-b714-e199428a16ae | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:37:52.036788+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
16321316-248c-462f-b714-e199428a16ae	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:37:52.036788+00:00
09f6bbdc-5fc0-4b82-9a94-b0081e1089c0	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:37:51.925486+00:00
fac0a6b7-fb25-42dc-96ce-ea1cc03dca0a	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:37:51.817802+00:00
9de3b718-9b6b-42c1-8ea5-37419bef0172	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:37:51.703173+00:00
45dc7b69-3b4e-4a1c-94c9-f20844fcbd92	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:37:51.594900+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3258	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3258

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
16321316-248c-462f-b714-e199428a16ae	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:52.036788+00:00
09f6bbdc-5fc0-4b82-9a94-b0081e1089c0	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.925486+00:00
fac0a6b7-fb25-42dc-96ce-ea1cc03dca0a	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.817802+00:00
9de3b718-9b6b-42c1-8ea5-37419bef0172	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.703173+00:00
45dc7b69-3b4e-4a1c-94c9-f20844fcbd92	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.594900+00:00
50d34244-d00a-4cf7-813b-bd4dbd7768ea	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.483587+00:00
b9becec0-4ceb-4a5e-85fb-634d31dbf9e7	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.376702+00:00
4a34a6f7-cbbf-4504-9f4a-4c1b590571b9	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.270045+00:00
d279b367-c2fc-4f6d-9da7-f53474b40137	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.160128+00:00
fda56b6a-0f5b-40a1-84d8-044b3c00049c	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:37:51.040318+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0036  (coder)