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: 39269b26-95c8-45bb-8f1e-dc4107273fea | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:24:59.579337+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
39269b26-95c8-45bb-8f1e-dc4107273fea	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:24:59.579337+00:00
1091caff-0712-4dbe-91e3-2baa113dfa9f	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:24:59.478312+00:00
c78a8a7f-d362-4532-99ce-cda30e57da6c	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:24:59.256990+00:00
57fd046b-a8f2-4cff-99b3-df3f520a008c	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:24:59.161737+00:00
b12cb114-1252-474f-913e-04f64cf9e1a4	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:24:59.066669+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3243	###########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3243

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
39269b26-95c8-45bb-8f1e-dc4107273fea	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:59.579337+00:00
1091caff-0712-4dbe-91e3-2baa113dfa9f	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:59.478312+00:00
c78a8a7f-d362-4532-99ce-cda30e57da6c	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:59.256990+00:00
57fd046b-a8f2-4cff-99b3-df3f520a008c	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:59.161737+00:00
b12cb114-1252-474f-913e-04f64cf9e1a4	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:59.066669+00:00
c1334b5e-714a-4c51-baba-c8fb3a8da8fa	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:57.902905+00:00
4fc15939-d9ed-498b-a6a6-fb9ea22875ad	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:57.728451+00:00
4c2c1baf-7516-492c-b016-559fef15efe4	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:57.559925+00:00
8f3450ec-d4fb-43af-9213-9b49debb302e	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:57.451222+00:00
afb833e6-a4d5-4e36-b717-a94585238ecf	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:24:57.390584+00:00

Cost Frontier

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