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: 71499c4c-4995-435a-885e-383549ef651d | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:05:43.729802+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
71499c4c-4995-435a-885e-383549ef651d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:43.729802+00:00
4811b265-4f3f-4d71-875a-697f6a53dfda	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:43.664862+00:00
55c5e40c-8bfa-4e61-90ef-4822d2a6e965	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:43.607505+00:00
aaf4897e-589a-464b-a207-26543e204f45	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:43.542406+00:00
73c7ecd9-674a-4347-bc51-c83474c10e61	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:05:43.470011+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2553	#########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2553

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
71499c4c-4995-435a-885e-383549ef651d	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.729802+00:00
4811b265-4f3f-4d71-875a-697f6a53dfda	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.664862+00:00
55c5e40c-8bfa-4e61-90ef-4822d2a6e965	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.607505+00:00
aaf4897e-589a-464b-a207-26543e204f45	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.542406+00:00
73c7ecd9-674a-4347-bc51-c83474c10e61	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.470011+00:00
725aa15c-34da-4c2c-ab73-127ed7c95d29	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.387741+00:00
589e35ee-aa45-4a18-968e-10cfb44e916e	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.313718+00:00
48fa95fd-228f-401a-b3c2-ff7d0cccaf87	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.247734+00:00
94601716-9d88-4d4d-affe-1f99d56df9c8	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.181168+00:00
c7b036c0-d311-4197-8349-634fda7fbb78	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:05:43.122574+00:00

Cost Frontier

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