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: a7cde5ac-c65f-47ee-942f-31a8e637c870 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:22:58.488232+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
a7cde5ac-c65f-47ee-942f-31a8e637c870	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:22:58.488232+00:00
11cdcddf-7f19-44f1-b3bb-11ec4a7e0eee	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:22:58.431466+00:00
930ced65-24f7-4efe-91f4-5c3fe6a558b2	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:22:58.372651+00:00
04660a0e-7887-4173-8098-f02d0fc09459	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:22:58.318652+00:00
01723029-1d78-408d-b22a-189a9ac7ed1b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:22:58.256833+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2600	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2600

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
a7cde5ac-c65f-47ee-942f-31a8e637c870	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.488232+00:00
11cdcddf-7f19-44f1-b3bb-11ec4a7e0eee	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.431466+00:00
930ced65-24f7-4efe-91f4-5c3fe6a558b2	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.372651+00:00
04660a0e-7887-4173-8098-f02d0fc09459	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.318652+00:00
01723029-1d78-408d-b22a-189a9ac7ed1b	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.256833+00:00
cc9a0d99-f553-4d5f-9968-8f9a736ed699	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.202421+00:00
280171ad-86c1-4904-aa97-a903caaa6890	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.139520+00:00
48305872-1eba-4bbf-9d8b-1dfe90891dd7	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.076467+00:00
8b20112a-14b7-431c-a607-74b180a8a10b	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:58.020529+00:00
e6a00626-e7a5-4074-b1c2-0be3dbc692c2	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:22:57.954809+00:00

Cost Frontier

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