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: 38c67298-f032-49b5-b06b-f91856c8d5d1 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:20:35.918085+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
38c67298-f032-49b5-b06b-f91856c8d5d1	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:35.918085+00:00
0a8a2da7-9457-4977-bad5-442b6a7bc732	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:35.825472+00:00
42d2755e-ff4b-4f87-b703-2c0fde0970f9	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:35.746370+00:00
7edcd40d-337f-4ec4-8a6b-6249bda497f9	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:35.668015+00:00
30acf6a8-3f90-4d65-896d-523dbe63be7e	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:35.589029+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3164	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3164

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
38c67298-f032-49b5-b06b-f91856c8d5d1	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.918085+00:00
0a8a2da7-9457-4977-bad5-442b6a7bc732	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.825472+00:00
42d2755e-ff4b-4f87-b703-2c0fde0970f9	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.746370+00:00
7edcd40d-337f-4ec4-8a6b-6249bda497f9	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.668015+00:00
30acf6a8-3f90-4d65-896d-523dbe63be7e	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.589029+00:00
e3125a0d-9297-44cc-bf35-d054ac8819ea	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.509528+00:00
ede45e3b-dc7f-4a00-94a8-e816a4e661da	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.430507+00:00
a4ef4dfd-e266-4184-a79f-6f3b760f669c	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.356456+00:00
88e2638c-7c94-4795-ab85-7d30ca00e011	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.274184+00:00
78cc3530-bf28-49f8-8ef5-1361025023c0	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:35.195043+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0036  (coder)