Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 2 | Pass rate: 100.0% | Cost: $0.0020

Task IDBandScorePassedCost
python-security-fix-easy-001easy0.740$0.0010
typescript-security-fix-easy-001easy0.740$0.0010

Leaderboard Snapshot

Latest run: 50990c4f-acbc-4929-b309-0b632bdcd901 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:13:33.943355+00:00

Recent Trend

Run IDModelGit SHAScoreCreated
50990c4f-acbc-4929-b309-0b632bdcd901coder89f0f5456c5b8670ca70d1a941ab0d7272df13100.7402026-05-23T20:13:33.943355+00:00
7cac39c7-bccc-45fd-b9b0-dd6d2be5497ccoder89f0f5456c5b8670ca70d1a941ab0d7272df13100.7402026-05-23T20:13:33.880294+00:00
03295fd4-2fc3-4149-a963-c02d28206e4ecoder89f0f5456c5b8670ca70d1a941ab0d7272df13100.7402026-05-23T20:13:33.195216+00:00
f1215fe6-45fe-425c-ade6-feb268094cf6coder89f0f5456c5b8670ca70d1a941ab0d7272df13100.7402026-05-23T20:13:33.131640+00:00
11aee55f-f628-4ae4-a1d9-36f1102e40a2coder89f0f5456c5b8670ca70d1a941ab0d7272df13100.7402026-05-23T20:13:33.068556+00:00

Failure Breakdown

TaxonomyFailuresBar
wrong-logic3119
###############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run IDTask IDTaxonomyScoreCostCreated
50990c4f-acbc-4929-b309-0b632bdcd901typescript-security-fix-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.943355+00:00
7cac39c7-bccc-45fd-b9b0-dd6d2be5497cpython-security-fix-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.880294+00:00
03295fd4-2fc3-4149-a963-c02d28206e4epython-recovery-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.195216+00:00
f1215fe6-45fe-425c-ade6-feb268094cf6typescript-config-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.131640+00:00
11aee55f-f628-4ae4-a1d9-36f1102e40a2python-config-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.068556+00:00
a4314274-7f51-4de3-bd43-dfc091888e2etypescript-refactor-easy-001wrong-logic0.740$0.00102026-05-23T20:13:33.020587+00:00
00bb8906-3782-44f7-ad8e-b071859a7686python-refactor-easy-001wrong-logic0.740$0.00102026-05-23T20:13:32.940946+00:00
c9e776a1-1f84-4666-8649-064c4d6fb41atypescript-multi-file-easy-001wrong-logic0.740$0.00102026-05-23T20:13:32.876855+00:00
8b399715-308c-4baf-9d31-cb6872bfa29apython-multi-file-easy-001wrong-logic0.740$0.00102026-05-23T20:13:32.797007+00:00
f10dd4df-3cc9-482b-9287-733be8eab822typescript-test-writing-easy-001wrong-logic0.740$0.00102026-05-23T20:13:32.733947+00:00

Cost Frontier

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