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: 66dabc04-92eb-474d-b854-8a0ae041da77 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:38:04.719358+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
66dabc04-92eb-474d-b854-8a0ae041da77	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:38:04.719358+00:00
7fba4734-6168-4374-90cc-bec866a6375e	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:38:04.599085+00:00
3eb3be34-c4b5-43bf-a087-7fd3ad54c24a	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:38:04.487966+00:00
52936db9-1da2-469f-8375-12ccc100bcc4	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:38:04.378856+00:00
3856acd2-0514-4462-9131-35d773c9316b	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:38:04.259487+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3290	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3290

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
66dabc04-92eb-474d-b854-8a0ae041da77	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.719358+00:00
7fba4734-6168-4374-90cc-bec866a6375e	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.599085+00:00
3eb3be34-c4b5-43bf-a087-7fd3ad54c24a	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.487966+00:00
52936db9-1da2-469f-8375-12ccc100bcc4	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.378856+00:00
3856acd2-0514-4462-9131-35d773c9316b	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.259487+00:00
e44cfe6c-d2ed-4dde-b1d2-8a3fda7cbb3a	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.149081+00:00
b08f06e4-7ec1-4aaf-8854-5b06a1bb85c4	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:04.039028+00:00
a40924bc-9645-4f1b-91f5-f26f4ac65a8a	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:03.927846+00:00
ef277251-f578-44fb-9de0-4526f7584cf5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:03.817083+00:00
1eadc675-29b2-4106-95ae-aab84bdab557	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:38:03.717245+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0035  (coder)