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: 28191f64-2c9b-4598-82f3-6a0bbde8aaac | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:20:38.612354+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
28191f64-2c9b-4598-82f3-6a0bbde8aaac	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:38.612354+00:00
ee9c85ab-474d-4484-8342-8bf0ece51dcb	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:38.533643+00:00
61e5dfb0-16ad-4058-b14a-7aed9d803caf	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:38.470861+00:00
09f1e2fc-df60-4e91-82ca-d323df65e9e8	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:38.395300+00:00
5ae635cc-5a8c-4d44-81d8-a5facc917be0	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:20:38.313237+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3181	#############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3181

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
28191f64-2c9b-4598-82f3-6a0bbde8aaac	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.612354+00:00
ee9c85ab-474d-4484-8342-8bf0ece51dcb	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.533643+00:00
61e5dfb0-16ad-4058-b14a-7aed9d803caf	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.470861+00:00
09f1e2fc-df60-4e91-82ca-d323df65e9e8	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.395300+00:00
5ae635cc-5a8c-4d44-81d8-a5facc917be0	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.313237+00:00
20082301-0504-46c6-9d8a-65cbb90d4749	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.235011+00:00
8c35a530-5eac-4d11-ab04-058c7b34b625	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.172303+00:00
b27e7f0e-5e0b-403c-b9d6-2fc2631884ac	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.093553+00:00
b8a99537-1319-4fa3-8778-ff22ad4f6885	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:38.026446+00:00
89d5361a-e00a-4a62-8454-c9e8b66c8756	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:20:37.936477+00:00

Cost Frontier

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