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: e3c26b04-b82c-45db-934a-b2b69b32a551 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:01:02.438850+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
e3c26b04-b82c-45db-934a-b2b69b32a551	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:02.438850+00:00
ca5851ba-fe85-4c96-b3c9-1956dc42b0a1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:02.378466+00:00
845b0843-469a-4396-8418-ee7f5b15c259	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:02.314005+00:00
0b3c12fc-3ff7-4671-9981-905b1fe669dc	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:02.247398+00:00
2312eb3d-8de4-4f04-8103-7a1e9f8fc315	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:02.181073+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2523	###########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2523

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
e3c26b04-b82c-45db-934a-b2b69b32a551	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.438850+00:00
ca5851ba-fe85-4c96-b3c9-1956dc42b0a1	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.378466+00:00
845b0843-469a-4396-8418-ee7f5b15c259	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.314005+00:00
0b3c12fc-3ff7-4671-9981-905b1fe669dc	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.247398+00:00
2312eb3d-8de4-4f04-8103-7a1e9f8fc315	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.181073+00:00
274d927b-6bfa-4b8b-9b6d-0be1a20bc672	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.122825+00:00
8279f546-65a9-4695-93c5-d7bd10b9d664	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.064611+00:00
dbe99e2f-81d4-46fa-9e43-b2bb9e594401	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:02.006383+00:00
adedf827-be36-4de5-afb5-65792c0298eb	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:01.946160+00:00
801daa0c-a9d3-417a-81c0-aab725861170	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:01.891477+00:00

Cost Frontier

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