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: 820b1868-3c20-4da7-a0cd-b6cff56af2c8 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:51:50.447940+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
820b1868-3c20-4da7-a0cd-b6cff56af2c8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:50.447940+00:00
1726ce36-b6cc-44b5-aa0f-95749cdcb0bf	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:50.340847+00:00
5bc4f7a2-1b22-45ef-b207-c7dc75c49bf6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:50.240067+00:00
dbf7a029-f5fc-45f2-b15a-923104c7af1f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:50.128888+00:00
b4b63fc0-ad7b-4b17-82f4-03c39075dbb7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:50.017051+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2820	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2820

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
820b1868-3c20-4da7-a0cd-b6cff56af2c8	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:50.447940+00:00
1726ce36-b6cc-44b5-aa0f-95749cdcb0bf	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:50.340847+00:00
5bc4f7a2-1b22-45ef-b207-c7dc75c49bf6	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:50.240067+00:00
dbf7a029-f5fc-45f2-b15a-923104c7af1f	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:50.128888+00:00
b4b63fc0-ad7b-4b17-82f4-03c39075dbb7	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:50.017051+00:00
f4111f6c-cc63-42be-9661-4c3d5fea35de	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:49.905920+00:00
f8f956b9-ca04-4f6e-ac40-8121546f4df2	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:49.810826+00:00
9cad7e42-9423-43d3-a6bf-ee4e632144dc	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:49.704107+00:00
f870ba65-172b-4200-bdb6-b3ff315fbee3	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:49.588363+00:00
52cf3214-8ce3-4ced-937d-f1e5af56ca58	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:49.493600+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0037  (coder)