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: b15405f7-2ba7-49a9-aa73-7407f986bd79 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:05:46.278388+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
b15405f7-2ba7-49a9-aa73-7407f986bd79	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:46.278388+00:00
6087e5c2-67d0-4eb7-ac7c-991cb3bb6cf4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:46.205808+00:00
05c38b72-3b4d-4fb2-b834-99db1dac6962	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:46.141663+00:00
d2b10ed6-3a78-4e75-8303-febf328c1e8e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:46.081386+00:00
6dccce2c-2100-4762-acbb-17b052c5fb90	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:46.023325+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2570	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2570

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
b15405f7-2ba7-49a9-aa73-7407f986bd79	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:46.278388+00:00
6087e5c2-67d0-4eb7-ac7c-991cb3bb6cf4	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:46.205808+00:00
05c38b72-3b4d-4fb2-b834-99db1dac6962	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:46.141663+00:00
d2b10ed6-3a78-4e75-8303-febf328c1e8e	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:46.081386+00:00
6dccce2c-2100-4762-acbb-17b052c5fb90	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:46.023325+00:00
97aed1df-dace-4d08-8ed3-35f8f0d3cc32	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:45.956691+00:00
b6dcb11f-e51d-4a40-b7d5-05ae9ff85abe	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:45.891283+00:00
97ea71a0-91a9-455c-a352-767c13c11c97	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:45.834067+00:00
6d17c588-89c8-4e56-8911-076c425e663a	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:45.760814+00:00
febccefd-abaa-4645-a4c4-25804ece1978	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:45.703389+00:00

Cost Frontier

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