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: 6056fa9d-31e7-4890-b0ae-a75086326d50 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:49:54.176218+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6056fa9d-31e7-4890-b0ae-a75086326d50	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:49:54.176218+00:00
a0eb6a75-5ed9-4139-84e4-be2a53f950f1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:49:54.063328+00:00
f5b5c5ac-2578-4a13-b3d0-36b507312aa4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:49:53.901806+00:00
96ebcd8b-9dff-4f32-89bc-c2abef0dc66b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:49:53.695958+00:00
0688df32-ee81-4e63-a247-60bee5412c17	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:49:53.585299+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2741	#####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2741

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6056fa9d-31e7-4890-b0ae-a75086326d50	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:54.176218+00:00
a0eb6a75-5ed9-4139-84e4-be2a53f950f1	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:54.063328+00:00
f5b5c5ac-2578-4a13-b3d0-36b507312aa4	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.901806+00:00
96ebcd8b-9dff-4f32-89bc-c2abef0dc66b	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.695958+00:00
0688df32-ee81-4e63-a247-60bee5412c17	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.585299+00:00
b0dc43cf-1b6e-49fc-a216-e85de706f527	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.476336+00:00
d18bd3c0-2698-46de-8302-1202541e1c17	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.372852+00:00
fdc0568a-a7d4-4ba1-8bce-1ccd04ad83c7	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.255346+00:00
ffd34ba8-bbeb-4b39-b949-742fb2dc69a1	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.141722+00:00
afd6ca12-217e-4344-b1b0-6c60de3cb16c	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:49:53.014299+00:00

Cost Frontier

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