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: ca4799db-1b56-45de-836a-d4e4d34b38d0 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:23:00.485769+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
ca4799db-1b56-45de-836a-d4e4d34b38d0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:00.485769+00:00
94af2cbf-76dd-4f2a-a539-882524ecee96	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:00.435616+00:00
f1ae00a4-62b8-414a-982c-64f72d66fe19	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:00.379638+00:00
a35587cf-10e3-409c-83df-0b05c0b8ac29	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:00.313550+00:00
47003e66-19da-42ad-a8b9-a4ee2178ecf6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:00.263312+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2617	#########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2617

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
ca4799db-1b56-45de-836a-d4e4d34b38d0	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.485769+00:00
94af2cbf-76dd-4f2a-a539-882524ecee96	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.435616+00:00
f1ae00a4-62b8-414a-982c-64f72d66fe19	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.379638+00:00
a35587cf-10e3-409c-83df-0b05c0b8ac29	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.313550+00:00
47003e66-19da-42ad-a8b9-a4ee2178ecf6	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.263312+00:00
b89fd43e-c86a-47a7-bf7f-307dffd43b19	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.191031+00:00
db38e578-031b-4e7b-83cc-c966593ca817	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.117738+00:00
8c3de4e6-cba9-4838-9606-ec12ed5e7c9e	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:00.052078+00:00
fc324bc6-45cf-44b6-98b8-bf1e890cc4e6	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:59.986761+00:00
f327c057-5684-47f8-bc3a-cfdce85fdf52	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:59.930459+00:00

Cost Frontier

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