Eval Report: ci-pr-smoke

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

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

Leaderboard Snapshot

Latest run: 6e4942c1-6ecc-47dc-9e4a-1f5bb8c16a6e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-26T10:38:09.244213+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6e4942c1-6ecc-47dc-9e4a-1f5bb8c16a6e	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:38:09.244213+00:00
e2f82cb6-8d17-4e1d-8345-b647d0637a5c	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:38:09.186644+00:00
21365da1-95bf-4638-971d-405a987aec2a	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:38:08.355615+00:00
7bf69181-172f-402a-acce-edc61b100316	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:38:08.298367+00:00
753b9741-4e49-45c8-b86d-befdc92e3b55	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:38:08.232144+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3401	#########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3401

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6e4942c1-6ecc-47dc-9e4a-1f5bb8c16a6e	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:09.244213+00:00
e2f82cb6-8d17-4e1d-8345-b647d0637a5c	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:09.186644+00:00
21365da1-95bf-4638-971d-405a987aec2a	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.355615+00:00
7bf69181-172f-402a-acce-edc61b100316	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.298367+00:00
753b9741-4e49-45c8-b86d-befdc92e3b55	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.232144+00:00
7d150184-3905-4e2e-92ce-f95bd2e4706d	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.166932+00:00
6eeb1b86-eb19-452e-8893-f89cea7c8e34	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.101315+00:00
3b91ed5a-e940-4ae0-936b-84466164f47f	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:08.051578+00:00
e3b81d97-975b-459b-af8f-13aa0e71e7ba	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:07.994102+00:00
99c3a5f9-e8a0-4430-a36d-56ec78c1d0ef	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:38:07.927586+00:00

Cost Frontier

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