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: a8087f1b-5c82-4846-97ec-705b1cbdda9f | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T17:55:05.914403+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
a8087f1b-5c82-4846-97ec-705b1cbdda9f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:05.914403+00:00
224b7c7b-75b4-41dd-8f40-17fbace00291	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:05.851036+00:00
6dae6bdc-2648-46b7-a0fc-7bde12cf4784	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:05.786633+00:00
5ce70137-9652-4e61-9703-a1e94fa6685b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:05.701508+00:00
c76cf6db-29b3-4b78-8080-b906a8c73d92	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:05.616177+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2476	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2476

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
a8087f1b-5c82-4846-97ec-705b1cbdda9f	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.914403+00:00
224b7c7b-75b4-41dd-8f40-17fbace00291	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.851036+00:00
6dae6bdc-2648-46b7-a0fc-7bde12cf4784	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.786633+00:00
5ce70137-9652-4e61-9703-a1e94fa6685b	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.701508+00:00
c76cf6db-29b3-4b78-8080-b906a8c73d92	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.616177+00:00
6de93709-6d88-46bc-8e48-a05b2335a32f	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.526775+00:00
ba241569-4bbb-4116-8fb5-452d9fe7059d	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.459400+00:00
e5fd4f50-4d22-4d30-bc0a-7ead7f179d70	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.382708+00:00
1c948417-d144-41ac-b919-61239aecd6b7	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.310541+00:00
ef715377-0a2e-4af4-8d4a-e5febaa1507f	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:05.213294+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0039  (coder)