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: 2eaf7560-1618-47ae-b0a3-4d228af59488 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:23:05.888844+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
2eaf7560-1618-47ae-b0a3-4d228af59488	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:05.888844+00:00
48effbde-2344-4ab1-a821-246e5fc0eb94	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:05.815692+00:00
c1c7c4cf-2faf-4226-9de8-f66514a19278	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:05.742880+00:00
b1add860-4605-4dc6-9b2b-965e8a133c63	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:05.665484+00:00
3a6b8ba7-fc90-4acb-a090-8089ba467117	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:23:05.594955+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2632	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2632

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
2eaf7560-1618-47ae-b0a3-4d228af59488	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.888844+00:00
48effbde-2344-4ab1-a821-246e5fc0eb94	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.815692+00:00
c1c7c4cf-2faf-4226-9de8-f66514a19278	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.742880+00:00
b1add860-4605-4dc6-9b2b-965e8a133c63	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.665484+00:00
3a6b8ba7-fc90-4acb-a090-8089ba467117	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.594955+00:00
5bfb34de-c69b-4d40-95f6-469fd7c7dc00	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.520133+00:00
ad00c484-fb2b-41a3-b0b0-e9f5dc6fce5f	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.449398+00:00
5adbd025-22e3-4751-9aa4-4b913e869099	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.371124+00:00
6aee8c42-9c19-4a5a-839e-0570f1c4231a	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.312710+00:00
786c9386-f03e-4b8c-9d29-721c7c7d1450	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:23:05.238860+00:00

Cost Frontier

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