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: 57255c72-4f2f-482c-aee2-52c12911abe3 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-26T10:33:52.682915+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
57255c72-4f2f-482c-aee2-52c12911abe3	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:52.682915+00:00
c6bc00cb-77dc-409a-aad1-81b5dc67cf37	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:52.583002+00:00
9389b209-3e37-40ff-9c25-de9b80e8bec6	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:52.432826+00:00
10e9988e-aaf3-45e4-8ea4-b89df096401c	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:52.332941+00:00
8e59b54a-a149-4169-b1e2-6af6d077224c	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:52.246644+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3384	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3384

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
57255c72-4f2f-482c-aee2-52c12911abe3	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.682915+00:00
c6bc00cb-77dc-409a-aad1-81b5dc67cf37	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.583002+00:00
9389b209-3e37-40ff-9c25-de9b80e8bec6	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.432826+00:00
10e9988e-aaf3-45e4-8ea4-b89df096401c	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.332941+00:00
8e59b54a-a149-4169-b1e2-6af6d077224c	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.246644+00:00
a669695c-69eb-4728-a96d-9540fcf8e584	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.156954+00:00
6f4f9cac-3368-4f5d-9081-42348a68a67e	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:52.055058+00:00
0eae0e4e-20f2-4352-a984-5f6896510feb	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:51.962641+00:00
05034852-e953-4637-a371-a8660b723cde	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:51.866297+00:00
87e567d1-1763-461a-9f31-7feb388b7a2c	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:51.782666+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0035  (coder)