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: 846d257e-6828-4e36-b3b1-63f5c4faa68c | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:01:08.696737+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
846d257e-6828-4e36-b3b1-63f5c4faa68c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:08.696737+00:00
9d8a2ac1-aeab-475a-83f3-a4fca6aa1800	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:08.638300+00:00
59ed8149-ca52-4aed-a4c8-42dfac3b3679	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:08.571717+00:00
99eabed9-e000-4c3e-a730-1b568c41dba3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:08.513980+00:00
0b67ece3-a76d-4318-a098-3e054720e74f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:08.461866+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2538	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2538

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
846d257e-6828-4e36-b3b1-63f5c4faa68c	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.696737+00:00
9d8a2ac1-aeab-475a-83f3-a4fca6aa1800	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.638300+00:00
59ed8149-ca52-4aed-a4c8-42dfac3b3679	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.571717+00:00
99eabed9-e000-4c3e-a730-1b568c41dba3	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.513980+00:00
0b67ece3-a76d-4318-a098-3e054720e74f	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.461866+00:00
d5e7208a-8444-4527-94c8-ec0158bf40db	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.395339+00:00
7c3e43fd-b2d5-467b-a768-5e56e4587c95	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.330911+00:00
591aa603-a30c-4b2d-90dd-e0429cc53ef4	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.264147+00:00
e9a12e10-8f9d-4007-9d87-9fcb3e5f8506	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.198034+00:00
a80496ec-2f2b-4f15-82f2-b52e2b94a4cd	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:08.139361+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0038  (coder)