MemoryBench

Experiment	Model	Agent	Avg. time	Pass rate	Tokens	Cost	Record
compare/codex-gpt-5.6-luna--nowledgegpt-5.6-lunacodex4m 33s94.4%88.2k tokens$0.0434 passed2 failed downshift (6 evals)——4m 14s100%69.2k tokens$0.036 passed pr-1414——3m 38s——$0.021 passed @1WBC8E6BQ952J7d——3m 38s——$0.02✓ passed pr-1456——3m 1s——$0.041 passed @1Y9J0KGSJYQKW7d——3m 1s——$0.04✓ passed pr-1458——4m 27s——$0.041 passed @1SJBFWFDRVMW47d——4m 27s——$0.04✓ passed pr-1484——5m 7s——$0.041 passed @1CQG08C9NBQY97d——5m 7s——$0.04✓ passed pr-1587——5m 46s——$0.051 passed @10JHQM9ERVWT47d——5m 46s——$0.05✓ passed pr-1603——3m 25s——$0.021 passed @1XS0B1ZBTC6MD7d——3m 25s——$0.02✓ passed react-datepicker (7 evals)——4m 29s100%78k tokens$0.047 passed pr-6058——4m 45s——$0.051 passed @17D2G5PGQ2AEK7d——4m 45s——$0.05✓ passed pr-6073——2m 40s——$0.021 passed @1S2J9H1WS9VJG7d——2m 40s——$0.02✓ passed pr-6092——8m 57s——$0.101 passed @1K72NAR1K0B7Q7d——8m 57s——$0.10✓ passed pr-6167——3m 3s——$0.021 passed @1DYG5F4W1PA5N7d——3m 3s——$0.02✓ passed pr-6168——1m 49s——$0.011 passed @1VNDZNNQYA2XX7d——1m 49s——$0.01✓ passed pr-6172——2m 51s——$0.031 passed @143KYZ3TWZKWA7d——2m 51s——$0.03✓ passed pr-6206——7m 17s——$0.091 passed @1TE4459G3KQAJ6d——7m 17s——$0.09✓ passed react-tooltip (6 evals)——4m 41s100%76.2k tokens$0.046 passed pr-1269——4m 5s——$0.041 passed @1708HZAE8RX406d——4m 5s——$0.04✓ passed pr-1271——7m 31s——$0.051 passed @1GJ28BMYGZ6SQ6d——7m 31s——$0.05✓ passed pr-1275——3m 35s——$0.031 passed @1K3SSC7CE5X886d——3m 35s——$0.03✓ passed pr-1278——3m 0s——$0.021 passed @17E5XTWEG13Y76d——3m 0s——$0.02✓ passed pr-1282——4m 31s——$0.051 passed @1TK915K4XP6C26d——4m 31s——$0.05✓ passed pr-970——5m 25s——$0.031 passed @15A8F942Z4VF36d——5m 25s——$0.03✓ passed yet-another-react-lightbox (3 evals)——5m 21s100%84.3k tokens$0.053 passed commit-5578052——4m 33s——$0.041 passed @1W6GJSG2FPM626d——4m 33s——$0.04✓ passed commit-f63f6af——3m 51s——$0.041 passed @1ZTYH9NBNNF2Z6d——3m 51s——$0.04✓ passed pr-408——7m 38s——$0.061 passed @13Z5K8B49VNJN6d——7m 38s——$0.06✓ passed react-hook-form (8 evals)——3m 11s87.5%52.3k tokens$0.037 passed1 failed pr-13476——4m 30s——$0.041 failed @18ABXXNE5CW1Y6d——4m 30s——$0.04✗ failed pr-13512——4m 9s——$0.041 passed @1RPRTR7P0YRS46d——4m 9s——$0.04✓ passed pr-13515——2m 1s——$0.011 passed @1D9KK5PYM8BGS6d——2m 1s——$0.01✓ passed pr-13566——1m 59s——$0.00871 passed @1K9F6766HZNF06d——1m 59s——$0.0087✓ passed pr-13579——4m 53s——$0.041 passed @1Y2VK37GDDA5Q6d——4m 53s——$0.04✓ passed pr-13594——2m 32s——$0.021 passed @1102G1XGGF9S46d——2m 32s——$0.02✓ passed pr-13599——2m 15s——$0.021 passed @1ABV2J0070D5D6d——2m 15s——$0.02✓ passed pr-13603——3m 6s——$0.031 passed @1S6FWARQ8C1116d——3m 6s——$0.03✓ passed toggl-cli (6 evals)——6m 13s83.3%181.3k tokens$0.095 passed1 failed 01-entry-stats——11m 6s——$0.161 passed @1F5WTE4FPM99V6d——11m 6s——$0.16✓ passed 02-entry-bill——6m 36s——$0.101 passed @1ADHC11NJSEWQ6d——6m 36s——$0.10✓ passed 03-entry-bill-weekly——3m 56s——$0.081 failed @14WYJRG554EF96d——3m 56s——$0.08✗ failed 04-billing-doc——1m 13s——$0.00791 passed @1EATVC27ZFZJY6d——1m 13s——$0.0079✓ passed 05-entry-invoice——8m 23s——$0.111 passed @1ZZX1HFFBAPSC5d——8m 23s——$0.11✓ passed 06-entry-invoice-monthly——6m 5s——$0.091 passed @1RQG8BMMTTPVT6d——6m 5s——$0.09✓ passed ——————— compare/codex-gpt-5.6-luna--mempalgpt-5.6-lunacodex4m 39s91.7%106.6k tokens$0.0533 passed3 failed downshift (6 evals)——4m 44s100%120.2k tokens$0.056 passed pr-1414——2m 46s——$0.011 passed @1QP5MM49C6B4E7d——2m 46s——$0.01✓ passed pr-1456——3m 18s——$0.031 passed @1BBQFYAJVSCTF7d——3m 18s——$0.03✓ passed pr-1458——3m 21s——$0.041 passed @1P0E3TF45P3JZ7d——3m 21s——$0.04✓ passed pr-1484——1m 54s——$0.021 passed @1WJ1RKJDJF0TZ7d——1m 54s——$0.02✓ passed pr-1587——13m 57s——$0.171 passed @1BVNMW63Y96K97d——13m 57s——$0.17✓ passed pr-1603——3m 9s——$0.021 passed @1N8F7B8JWWGXC7d——3m 9s——$0.02✓ passed react-datepicker (7 evals)——4m 36s100%79.2k tokens$0.047 passed pr-6058——7m 36s——$0.051 passed @1AM3MM28DK2V67d——7m 36s——$0.05✓ passed pr-6073——2m 21s——$0.021 passed @197ZQZBVPF5N67d——2m 21s——$0.02✓ passed pr-6092——5m 7s——$0.041 passed @12GSKA6FBY1DQ7d——5m 7s——$0.04✓ passed pr-6167——3m 56s——$0.021 passed @1A1EVWQXKFX7H7d——3m 56s——$0.02✓ passed pr-6168——2m 8s——$0.011 passed @1RXM5A8A4GM1N7d——2m 8s——$0.01✓ passed pr-6172——2m 52s——$0.021 passed @16Y83DHKN2WRK7d——2m 52s——$0.02✓ passed pr-6206——8m 13s——$0.071 passed @10C8EMS843FY46d——8m 13s——$0.07✓ passed react-tooltip (6 evals)——4m 9s100%76.3k tokens$0.046 passed pr-1269——4m 48s——$0.061 passed @15845D7M8JKQA6d——4m 48s——$0.06✓ passed pr-1271——4m 47s——$0.041 passed @1F2NWJZQ6MG7R7d——4m 47s——$0.04✓ passed pr-1275——4m 23s——$0.031 passed @17GZKATT4H66J7d——4m 23s——$0.03✓ passed pr-1278——3m 13s——$0.021 passed @17A94Q0NXS3057d——3m 13s——$0.02✓ passed pr-1282——3m 9s——$0.051 passed @1NJX6K6V59DWK7d——3m 9s——$0.05✓ passed pr-970——4m 36s——$0.041 passed @1MNMRAXBN2ANB7d——4m 36s——$0.04✓ passed yet-another-react-lightbox (3 evals)——4m 21s100%91k tokens$0.043 passed commit-5578052——2m 51s——$0.021 passed @1F2XWM0S2SHB26d——2m 51s——$0.02✓ passed commit-f63f6af——5m 58s——$0.051 passed @1HA06WV1V7TGR6d——5m 58s——$0.05✓ passed pr-408——4m 14s——$0.051 passed @1H7AK39YMZQXH7d——4m 14s——$0.05✓ passed toggl-cli (6 evals)——6m 13s83.3%183.4k tokens$0.105 passed1 failed 01-entry-stats——9m 6s——$0.161 passed @1MMA2TQD2SFND6d——9m 6s——$0.16✓ passed 02-entry-bill——8m 51s——$0.121 passed @1QY6GV609BY8F6d——8m 51s——$0.12✓ passed 03-entry-bill-weekly——6m 42s——$0.131 passed @1F1TWAZFX6Q4T7d——6m 42s——$0.13✓ passed 04-billing-doc——44.7s——$0.00351 passed @1Y6M4PC1W437A6d——44.7s——$0.0035✓ passed 05-entry-invoice——5m 12s——$0.081 passed @133NFB7HZ2HCG7d——5m 12s——$0.08✓ passed 06-entry-invoice-monthly——6m 40s——$0.101 failed @18B83C1PWJSEV6d——6m 40s——$0.10✗ failed react-hook-form (8 evals)——3m 58s75%91.5k tokens$0.046 passed2 failed pr-13476——4m 48s——$0.051 failed @156C9GGFFW3HJ7d——4m 48s——$0.05✗ failed pr-13512——1m 46s——$0.011 passed @1C7PF95CFA45Y7d——1m 46s——$0.01✓ passed pr-13515——4m 20s——$0.011 passed @15KJSK1Q1ZT9Q7d——4m 20s——$0.01✓ passed pr-13566——2m 52s——$0.021 passed @1V2YQC3EEZK887d——2m 52s——$0.02✓ passed pr-13579——2m 53s——$0.021 passed @14T113SAZ0NVB7d——2m 53s——$0.02✓ passed pr-13594——10m 6s——$0.121 failed @1DFH6JTE7GF997d——10m 6s——$0.12✗ failed pr-13599——3m 16s——$0.031 passed @1X6PYYNZCMMGE7d——3m 16s——$0.03✓ passed pr-13603——1m 46s——$0.021 passed @1TBWZK4P688PN7d——1m 46s——$0.02✓ passed ——————— compare/codex-gpt-5.6-luna--obeliskgpt-5.6-lunacodex4m 29s88.9%77.4k tokens$0.0432 passed4 failed downshift (6 evals)——3m 49s100%54.5k tokens$0.036 passed pr-1414——2m 59s——$0.021 passed @1XFJ5CJZKQZ2S4d——2m 59s——$0.02✓ passed pr-1456——2m 49s——$0.031 passed @1NZY3ZE2XMBGC4d——2m 49s——$0.03✓ passed pr-1458——4m 12s——$0.031 passed @1GX5RSYDM0P0J4d——4m 12s——$0.03✓ passed pr-1484——3m 13s——$0.021 passed @1KE91Q0HH10K54d——3m 13s——$0.02✓ passed pr-1587——7m 5s——$0.051 passed @1N42MT1B4DRYR4d——7m 5s——$0.05✓ passed pr-1603——2m 37s——$0.021 passed @1TB1VJ8EKV6RY4d——2m 37s——$0.02✓ passed react-tooltip (6 evals)——3m 48s100%56.8k tokens$0.036 passed pr-1269——3m 2s——$0.021 passed @1ZP1ARPR7ZD1P4d——3m 2s——$0.02✓ passed pr-1271——3m 30s——$0.041 passed @1R9N6NSD1EZ114d——3m 30s——$0.04✓ passed pr-1275——5m 17s——$0.031 passed @1JE2V45VZN1EB4d——5m 17s——$0.03✓ passed pr-1278——2m 10s——$0.021 passed @1TRT0PC83SWSH4d——2m 10s——$0.02✓ passed pr-1282——4m 12s——$0.041 passed @10JB28MCKTZB64d——4m 12s——$0.04✓ passed pr-970——4m 36s——$0.031 passed @1SRXFB3V2SNZD4d——4m 36s——$0.03✓ passed yet-another-react-lightbox (3 evals)——4m 36s100%64.6k tokens$0.043 passed commit-5578052——3m 12s——$0.021 passed @19K8W4WHCNKVX4d——3m 12s——$0.02✓ passed commit-f63f6af——4m 27s——$0.041 passed @18M9PZT6TXCSG4d——4m 27s——$0.04✓ passed pr-408——6m 10s——$0.051 passed @1HNN2MAPFWTVZ4d——6m 10s——$0.05✓ passed react-hook-form (8 evals)——4m 28s87.5%43.6k tokens$0.027 passed1 failed pr-13476——6m 38s——$0.021 failed @1ZK7EXEG3GEFD4d——6m 38s——$0.02✗ failed pr-13512——4m 28s——$0.021 passed @1VAM3XS92SQG44d——4m 28s——$0.02✓ passed pr-13515——8m 14s——$0.021 passed @121VKQZG9VZ9K4d——8m 14s——$0.02✓ passed pr-13566——4m 7s——$0.011 passed @1EEA21DWA0JW94d——4m 7s——$0.01✓ passed pr-13579——2m 40s——$0.031 passed @1GPAG92VQ6SYF4d——2m 40s——$0.03✓ passed pr-13594——3m 49s——$0.031 passed @1HW8XWYYWGDJ04d——3m 49s——$0.03✓ passed pr-13599——3m 19s——$0.021 passed @1CY87E9KD13M34d——3m 19s——$0.02✓ passed pr-13603——2m 28s——$0.021 passed @1YQQGN01NRCJ44d——2m 28s——$0.02✓ passed react-datepicker (7 evals)——4m 10s85.7%65.7k tokens$0.036 passed1 failed pr-6058——4m 52s——$0.041 passed @1P8SPDV2TRT254d——4m 52s——$0.04✓ passed pr-6073——3m 0s——$0.031 passed @1FS481375JK814d——3m 0s——$0.03✓ passed pr-6092——5m 56s——$0.041 passed @124CWATEW25HY4d——5m 56s——$0.04✓ passed pr-6167——3m 22s——$0.011 failed @1HZPZEB5VVQ684d——3m 22s——$0.01✗ failed pr-6168——2m 48s——$0.021 passed @11T83V0D6FZ4K4d——2m 48s——$0.02✓ passed pr-6172——4m 45s——$0.021 passed @1XSA4QTQ7S99F4d——4m 45s——$0.02✓ passed pr-6206——4m 29s——$0.051 passed @1MEP52K6KK6014d——4m 29s——$0.05✓ passed toggl-cli (6 evals)——6m 10s66.7%186.1k tokens$0.104 passed2 failed 01-entry-stats——9m 5s——$0.181 passed @10WFD0CCSF5VQ——9m 5s——$0.18✓ passed 02-entry-bill——5m 49s——$0.111 passed @1ZRD6SZW62ZA2——5m 49s——$0.11✓ passed 03-entry-bill-weekly——8m 44s——$0.081 failed @1JWEP87ZCZQ2B4d——8m 44s——$0.08✗ failed 04-billing-doc——1m 9s——$0.00951 failed @15ZWB0K05ERQR4d——1m 9s——$0.0095✗ failed 05-entry-invoice——5m 20s——$0.081 passed @1477135RHGF984d——5m 20s——$0.08✓ passed 06-entry-invoice-monthly——6m 53s——$0.121 passed @14WKKMTFDBT9V4d——6m 53s——$0.12✓ passed ——————— compare/bub-gpt-5.6-lunagpt-5.6-lunabub4m 28s86.1%518.1k tokens$0.1231 passed5 failed downshift (6 evals)——5m 45s100%368.6k tokens$0.096 passed pr-1414——4m 52s——$0.051 passed @18XA20DV1VZ6N5d——4m 52s——$0.05✓ passed pr-1456——8m 8s——$0.111 passed @160G8H6S2SHTD5d——8m 8s——$0.11✓ passed pr-1458——6m 1s——$0.071 passed @1N1WTX59CGGZ45d——6m 1s——$0.07✓ passed pr-1484——4m 47s——$0.041 passed @1E5E6W3Q7Y37S5d——4m 47s——$0.04✓ passed pr-1587——6m 19s——$0.221 passed @15YG0PRDSKZNQ5d——6m 19s——$0.22✓ passed pr-1603——4m 21s——$0.031 passed @13RSVWAVK6ZEW5d——4m 21s——$0.03✓ passed react-datepicker (7 evals)——4m 5s100%463k tokens$0.107 passed pr-6058——4m 42s——$0.091 passed @1F38PJESJQ72B5d——4m 42s——$0.09✓ passed pr-6073——2m 36s——$0.051 passed @1Z14NY3QYYAN25d——2m 36s——$0.05✓ passed pr-6092——7m 20s——$0.251 passed @1DHVW06BG5XQ7——7m 20s——$0.25✓ passed pr-6167——2m 33s——$0.021 passed @1XAJ5T26QDSEP5d——2m 33s——$0.02✓ passed pr-6168——3m 1s——$0.051 passed @1GRMTJWGJP0HN5d——3m 1s——$0.05✓ passed pr-6172——2m 39s——$0.041 passed @17VBCGRSZKVRH5d——2m 39s——$0.04✓ passed pr-6206——5m 47s——$0.201 passed @1W415RKQGKNKZ——5m 47s——$0.20✓ passed yet-another-react-lightbox (3 evals)——3m 58s100%314.7k tokens$0.073 passed commit-5578052——3m 39s——$0.051 passed @1ZDN621PTXQYQ5d——3m 39s——$0.05✓ passed commit-f63f6af——3m 36s——$0.071 passed @1YM0NG1ZYP2JG5d——3m 36s——$0.07✓ passed pr-408——4m 39s——$0.091 passed @1BRWMS7HS6SVQ5d——4m 39s——$0.09✓ passed react-tooltip (6 evals)——3m 20s83.3%199k tokens$0.055 passed1 failed pr-1269——3m 16s——$0.051 passed @15XQPXJWEW32D5d——3m 16s——$0.05✓ passed pr-1271——4m 11s——$0.071 failed @1ZSZ6GXKKQ7Y55d——4m 11s——$0.07✗ failed pr-1275——2m 39s——$0.031 passed @1BJQMMGFJ01AV5d——2m 39s——$0.03✓ passed pr-1278——3m 5s——$0.031 passed @1S7BP8JKJ2RMX5d——3m 5s——$0.03✓ passed pr-1282——2m 51s——$0.051 passed @1H1366ZBPN0RZ5d——2m 51s——$0.05✓ passed pr-970——3m 57s——$0.051 passed @1SSSEF8JDWMH75d——3m 57s——$0.05✓ passed react-hook-form (8 evals)——3m 7s75%225.6k tokens$0.056 passed2 failed pr-13476——4m 5s——$0.081 failed @1KGH740A868PV5d——4m 5s——$0.08✗ failed pr-13512——2m 17s——$0.021 passed @1PMZWG33C3S5E5d——2m 17s——$0.02✓ passed pr-13515——3m 17s——$0.041 passed @1K5NMWRJ1ZDFJ5d——3m 17s——$0.04✓ passed pr-13566——2m 13s——$0.021 passed @1X47RSQJFD7HS5d——2m 13s——$0.02✓ passed pr-13579——2m 0s——$0.021 passed @1DB82Z67DA3MR5d——2m 0s——$0.02✓ passed pr-13594——4m 34s——$0.121 failed @1H8QSZ539YW8F5d——4m 34s——$0.12✗ failed pr-13599——4m 1s——$0.091 passed @1QZREHGMV7Q485d——4m 1s——$0.09✓ passed pr-13603——2m 29s——$0.021 passed @1X9SS7ARXEN825d——2m 29s——$0.02✓ passed toggl-cli (6 evals)——6m 50s66.7%1.5M tokens$0.344 passed2 failed 01-entry-stats——6m 44s——$0.371 passed @1KCW7XCXZE95N5d——6m 44s——$0.37✓ passed 02-entry-bill——6m 26s——$0.331 passed @1Q9Y4T5NWSX315d——6m 26s——$0.33✓ passed 03-entry-bill-weekly——8m 48s——$0.551 passed @1YZH0J62JR5Y65d——8m 48s——$0.55✓ passed 04-billing-doc——2m 56s——$0.161 failed @1466SVH5GQQ94——2m 56s——$0.16✗ failed 05-entry-invoice——6m 26s——$0.241 passed @1B9ZWT45P7PCV5d——6m 26s——$0.24✓ passed 06-entry-invoice-monthly——9m 39s——$0.411 failed @18104AKBGPD6V5d——9m 39s——$0.41✗ failed ——————— compare/codex-gpt-5.6-lunagpt-5.6-lunacodex6m 8s86.1%117.3k tokens$0.0631 passed5 failed downshift (6 evals)——5m 19s100%49.6k tokens$0.026 passed pr-1414——9m 8s——$0.041 passed @187H8X1BY6KVV7d——9m 8s——$0.04✓ passed pr-1456——6m 18s——$0.021 passed @122N2DGARMFJR7d——6m 18s——$0.02✓ passed pr-1458——3m 31s——$0.021 passed @18XJMFGH1ETEH7d——3m 31s——$0.02✓ passed pr-1484——6m 9s——$0.021 passed @19BXRBTK003X37d——6m 9s——$0.02✓ passed pr-1587——3m 53s——$0.021 passed @1V0QXN24YNJXP7d——3m 53s——$0.02✓ passed pr-1603——2m 55s——$0.011 passed @1T45CP3SYXGVQ7d——2m 55s——$0.01✓ passed react-datepicker (7 evals)——9m 35s100%117.2k tokens$0.067 passed pr-6058——22m 59s——$0.071 passed @1H9M59GBKCEJD7d——22m 59s——$0.07✓ passed pr-6073——3m 31s——$0.041 passed @1GCDQ3PF5N7QJ7d——3m 31s——$0.04✓ passed pr-6092——29m 22s——$0.221 passed @1EHMG2KWB479C7d——29m 22s——$0.22✓ passed pr-6167——2m 34s——$0.011 passed @17KZ0SD2WYPM47d——2m 34s——$0.01✓ passed pr-6168——1m 49s——$0.021 passed @1T8RG4ARMFPSE7d——1m 49s——$0.02✓ passed pr-6172——2m 46s——$0.021 passed @1BSYRHWJ0FFRA7d——2m 46s——$0.02✓ passed pr-6206——4m 4s——$0.031 passed @1VS3BDFGPTM2W7d——4m 4s——$0.03✓ passed react-hook-form (8 evals)——4m 27s100%69k tokens$0.048 passed pr-13476——5m 55s——$0.041 passed @1HDV3B8M372WQ7d——5m 55s——$0.04✓ passed pr-13512——2m 32s——$0.011 passed @1SRP1NXW4E1YC7d——2m 32s——$0.01✓ passed pr-13515——1m 29s——$0.011 passed @161VGMZJM5D8A7d——1m 29s——$0.01✓ passed pr-13566——2m 14s——$0.011 passed @1QTG21GPX70YR7d——2m 14s——$0.01✓ passed pr-13579——1m 38s——$0.021 passed @1Z2034BNTFS4E7d——1m 38s——$0.02✓ passed pr-13594——12m 14s——$0.131 passed @1DSBM4AS1SB767d——12m 14s——$0.13✓ passed pr-13599——3m 37s——$0.041 passed @128TQBBVTWFQ57d——3m 37s——$0.04✓ passed pr-13603——5m 54s——$0.041 passed @1YNP485GGNS9W7d——5m 54s——$0.04✓ passed yet-another-react-lightbox (3 evals)——2m 42s100%60.1k tokens$0.033 passed commit-5578052——2m 15s——$0.021 passed @1YBRFVME5ENJ37d——2m 15s——$0.02✓ passed commit-f63f6af——2m 6s——$0.021 passed @1YPKFG8M62SVX7d——2m 6s——$0.02✓ passed pr-408——3m 46s——$0.041 passed @1P1XZZGACF6Y67d——3m 46s——$0.04✓ passed react-tooltip (6 evals)——4m 38s66.7%72.6k tokens$0.044 passed2 failed pr-1269——7m 21s——$0.071 passed @1V0SKAPDWPBHF7d——7m 21s——$0.07✓ passed pr-1271——3m 44s——$0.031 failed @1ZFE5Z879ER8Q7d——3m 44s——$0.03✗ failed pr-1275——6m 48s——$0.071 passed @1944Q9SBGB8037d——6m 48s——$0.07✓ passed pr-1278——2m 0s——$0.00891 passed @12Z2SX1EC2RWG7d——2m 0s——$0.0089✓ passed pr-1282——3m 58s——$0.031 passed @181F02BX0GPM77d——3m 58s——$0.03✓ passed pr-970——3m 56s——$0.031 failed @1FV4ZXXQMG0907d——3m 56s——$0.03✗ failed toggl-cli (6 evals)——8m 27s50%322.8k tokens$0.153 passed3 failed 01-entry-stats——7m 19s——$0.181 passed @1HVHMHDA0WBV17d——7m 19s——$0.18✓ passed 02-entry-bill——6m 9s——$0.111 passed @18D2EB8MJJFFR7d——6m 9s——$0.11✓ passed 03-entry-bill-weekly——7m 56s——$0.111 failed @1NZ8B073QEHTX7d——7m 56s——$0.11✗ failed 04-billing-doc——1m 13s——$0.00581 failed @1TANEDYWR5C5B6d——1m 13s——$0.0058✗ failed 05-entry-invoice——11m 9s——$0.241 passed @10KA7372961F57d——11m 9s——$0.24✓ passed 06-entry-invoice-monthly——16m 53s——$0.281 failed @15BYQC4J0T8D27d——16m 53s——$0.28✗ failed ——————— compare/codex-gpt-5.6-luna--rememgpt-5.6-lunacodex4m 49s50%160.3k tokens$0.081 passed1 failed toggl-cli (2/6 evals)——4m 49s50%160.3k tokens$0.081 passed1 failed 01-entry-stats——————@1MDTE9RAKZ6C45dniceeval exp compare/codex-gpt-5.6-luna--remem 02-entry-bill——5m 34s——$0.071 passed @1TA06783YKMBY——5m 34s——$0.07✓ passed 03-entry-bill-weekly——4m 4s——$0.091 failed @1B9QCDX933E8K——4m 4s——$0.09✗ failed 04-billing-doc——————@1QXH85W8AYDAY5dniceeval exp compare/codex-gpt-5.6-luna--remem 05-entry-invoice——————@1CCH18VDPMD3Q5dniceeval exp compare/codex-gpt-5.6-luna--remem 06-entry-invoice-monthly——————@1XBC0CM2MZYWW5dniceeval exp compare/codex-gpt-5.6-luna--remem downshift (0/6 evals)——no datano datano datano datano data pr-1414——————@1Q81SAE82QY674dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1456——————@18KDYW3413PWA4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1458——————@19W1CPJFNN1SW4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1484——————@1PWZ7ZN8DCFQW4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1587——————@1NXRMEVSKFQ1F4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1603——————@1DAH8JFA68Y6S4dniceeval exp compare/codex-gpt-5.6-luna--remem react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————@1JE2FB4B740GY4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6073——————@103MQE03KG1F44dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6092——————@19M15D40KFGVJ4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6167——————@15VA5TGDMK68C4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6168——————@1NYHB9R2V29XT4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6172——————@1NCA89BM2EQ2K4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-6206——————@1CBHTDYD9KPY24dniceeval exp compare/codex-gpt-5.6-luna--remem react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————@12Y33HBR7HV9M4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13512——————@1PHBMM3T61A0T4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13515——————@1EJ50DJW4PGYS4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13566——————@1MDXXR33V50ZW4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13579——————@1VBZBD8H8EB774dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13594——————@164BQSV5D60CT4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13599——————@1W48YYH5H31SS4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-13603——————@1ANYXCVS341V24dniceeval exp compare/codex-gpt-5.6-luna--remem react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————@1BGQACB4CAHVF4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1271——————@1EP2DEAB9X9VG4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1275——————@1VB7KTXJNK41S4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1278——————@1BJ81PQB0GCWQ4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-1282——————@1V61GF9EKC6AG4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-970——————@1BTGP6TGA31DA4dniceeval exp compare/codex-gpt-5.6-luna--remem yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————@15HQW77360J8Q4dniceeval exp compare/codex-gpt-5.6-luna--remem commit-f63f6af——————@1FEFFB1DDXS6P4dniceeval exp compare/codex-gpt-5.6-luna--remem pr-408——————@1CAB9ZJRDZQRX4dniceeval exp compare/codex-gpt-5.6-luna--remem ———————

Experiment	Model	Agent	Avg. time	Pass rate	Tokens	Cost	Record
compare/codex-gpt-5.6-luna--obeliskgpt-5.6-lunacodex7m 27s100%257.7k tokens$0.142 passed toggl-cli (2/6 evals)——7m 27s100%257.7k tokens$0.142 passed 01-entry-stats——9m 5s——$0.181 passed @10WFD0CCSF5VQ——9m 5s——$0.18✓ passed 02-entry-bill——5m 49s——$0.111 passed @1ZRD6SZW62ZA2——5m 49s——$0.11✓ passed 03-entry-bill-weekly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk 04-billing-doc——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk 05-entry-invoice——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk 06-entry-invoice-monthly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1456——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1458——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1484——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1587——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6073——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6092——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6167——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6168——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6172——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6206——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13512——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13515——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13566——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13579——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13594——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13599——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1271——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1275——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1278——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1282——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-970——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk commit-f63f6af——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk pr-408——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--obelisk ——————— compare/bub-gpt-5.6-lunagpt-5.6-lunabub5m 21s66.7%954.9k tokens$0.202 passed1 failed react-datepicker (2/7 evals)——6m 33s100%1.1M tokens$0.232 passed pr-6058——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-6073——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-6092——7m 20s——$0.251 passed @1DHVW06BG5XQ7——7m 20s——$0.25✓ passed pr-6167——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-6168——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-6172——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-6206——5m 47s——$0.201 passed @1W415RKQGKNKZ——5m 47s——$0.20✓ passed toggl-cli (1/6 evals)——2m 56s0%763.6k tokens$0.161 failed 01-entry-stats——————no result for current configniceeval exp compare/bub-gpt-5.6-luna 02-entry-bill——————no result for current configniceeval exp compare/bub-gpt-5.6-luna 03-entry-bill-weekly——————no result for current configniceeval exp compare/bub-gpt-5.6-luna 04-billing-doc——2m 56s——$0.161 failed @1466SVH5GQQ94——2m 56s——$0.16✗ failed 05-entry-invoice——————no result for current configniceeval exp compare/bub-gpt-5.6-luna 06-entry-invoice-monthly——————no result for current configniceeval exp compare/bub-gpt-5.6-luna downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1456——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1458——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1484——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1587——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1603——————no result for current configniceeval exp compare/bub-gpt-5.6-luna react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13512——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13515——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13566——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13579——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13594——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13599——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-13603——————no result for current configniceeval exp compare/bub-gpt-5.6-luna react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1271——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1275——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1278——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-1282——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-970——————no result for current configniceeval exp compare/bub-gpt-5.6-luna yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/bub-gpt-5.6-luna commit-f63f6af——————no result for current configniceeval exp compare/bub-gpt-5.6-luna pr-408——————no result for current configniceeval exp compare/bub-gpt-5.6-luna ——————— compare/codex-gpt-5.6-luna--rememgpt-5.6-lunacodex4m 49s50%160.3k tokens$0.081 passed1 failed toggl-cli (2/6 evals)——4m 49s50%160.3k tokens$0.081 passed1 failed 01-entry-stats——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem 02-entry-bill——5m 34s——$0.071 passed @1TA06783YKMBY——5m 34s——$0.07✓ passed 03-entry-bill-weekly——4m 4s——$0.091 failed @1B9QCDX933E8K——4m 4s——$0.09✗ failed 04-billing-doc——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem 05-entry-invoice——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem 06-entry-invoice-monthly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1456——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1458——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1484——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1587——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6073——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6092——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6167——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6168——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6172——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-6206——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13512——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13515——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13566——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13579——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13594——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13599——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-13603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1271——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1275——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1278——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-1282——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-970——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem commit-f63f6af——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem pr-408——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--remem ——————— compare/codex-gpt-5.6-lunagpt-5.6-lunacodexno datano datano datano data— downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1456——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1458——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1484——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1587——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6073——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6092——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6167——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6168——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6172——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-6206——————no result for current configniceeval exp compare/codex-gpt-5.6-luna react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13512——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13515——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13566——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13579——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13594——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13599——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-13603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1271——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1275——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1278——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-1282——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-970——————no result for current configniceeval exp compare/codex-gpt-5.6-luna toggl-cli (0/6 evals)——no datano datano datano datano data 01-entry-stats——————no result for current configniceeval exp compare/codex-gpt-5.6-luna 02-entry-bill——————no result for current configniceeval exp compare/codex-gpt-5.6-luna 03-entry-bill-weekly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna 04-billing-doc——————no result for current configniceeval exp compare/codex-gpt-5.6-luna 05-entry-invoice——————no result for current configniceeval exp compare/codex-gpt-5.6-luna 06-entry-invoice-monthly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/codex-gpt-5.6-luna commit-f63f6af——————no result for current configniceeval exp compare/codex-gpt-5.6-luna pr-408——————no result for current configniceeval exp compare/codex-gpt-5.6-luna ——————— compare/codex-gpt-5.6-luna--mempalgpt-5.6-lunacodexno datano datano datano data— downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1456——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1458——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1484——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1587——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6073——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6092——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6167——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6168——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6172——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-6206——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13512——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13515——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13566——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13579——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13594——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13599——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-13603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1271——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1275——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1278——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-1282——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-970——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal toggl-cli (0/6 evals)——no datano datano datano datano data 01-entry-stats——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal 02-entry-bill——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal 03-entry-bill-weekly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal 04-billing-doc——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal 05-entry-invoice——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal 06-entry-invoice-monthly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal commit-f63f6af——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal pr-408——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--mempal ——————— compare/codex-gpt-5.6-luna--nowledgegpt-5.6-lunacodexno datano datano datano data— downshift (0/6 evals)——no datano datano datano datano data pr-1414——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1456——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1458——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1484——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1587——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge react-datepicker (0/7 evals)——no datano datano datano datano data pr-6058——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6073——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6092——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6167——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6168——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6172——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6206——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge react-hook-form (0/8 evals)——no datano datano datano datano data pr-13476——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13512——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13515——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13566——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13579——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13594——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13599——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13603——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge react-tooltip (0/6 evals)——no datano datano datano datano data pr-1269——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1271——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1275——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1278——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1282——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-970——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge toggl-cli (0/6 evals)——no datano datano datano datano data 01-entry-stats——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge 02-entry-bill——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge 03-entry-bill-weekly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge 04-billing-doc——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge 05-entry-invoice——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge 06-entry-invoice-monthly——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge yet-another-react-lightbox (0/3 evals)——no datano datano datano datano data commit-5578052——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge commit-f63f6af——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge pr-408——————no result for current configniceeval exp compare/codex-gpt-5.6-luna--nowledge ———————

实验	模型	Agent	平均耗时	通过率	Tokens	成本	结果
compare/codex-gpt-5.6-luna--nowledgegpt-5.6-lunacodex4m 33s94.4%88.2k tokens$0.0434 通过2 失败 downshift (6 evals)——4m 14s100%69.2k tokens$0.036 通过 pr-1414——3m 38s——$0.021 通过 @1WBC8E6BQ952J7 天——3m 38s——$0.02✓ 通过 pr-1456——3m 1s——$0.041 通过 @1Y9J0KGSJYQKW7 天——3m 1s——$0.04✓ 通过 pr-1458——4m 27s——$0.041 通过 @1SJBFWFDRVMW47 天——4m 27s——$0.04✓ 通过 pr-1484——5m 7s——$0.041 通过 @1CQG08C9NBQY97 天——5m 7s——$0.04✓ 通过 pr-1587——5m 46s——$0.051 通过 @10JHQM9ERVWT47 天——5m 46s——$0.05✓ 通过 pr-1603——3m 25s——$0.021 通过 @1XS0B1ZBTC6MD7 天——3m 25s——$0.02✓ 通过 react-datepicker (7 evals)——4m 29s100%78k tokens$0.047 通过 pr-6058——4m 45s——$0.051 通过 @17D2G5PGQ2AEK7 天——4m 45s——$0.05✓ 通过 pr-6073——2m 40s——$0.021 通过 @1S2J9H1WS9VJG7 天——2m 40s——$0.02✓ 通过 pr-6092——8m 57s——$0.101 通过 @1K72NAR1K0B7Q7 天——8m 57s——$0.10✓ 通过 pr-6167——3m 3s——$0.021 通过 @1DYG5F4W1PA5N7 天——3m 3s——$0.02✓ 通过 pr-6168——1m 49s——$0.011 通过 @1VNDZNNQYA2XX7 天——1m 49s——$0.01✓ 通过 pr-6172——2m 51s——$0.031 通过 @143KYZ3TWZKWA7 天——2m 51s——$0.03✓ 通过 pr-6206——7m 17s——$0.091 通过 @1TE4459G3KQAJ6 天——7m 17s——$0.09✓ 通过 react-tooltip (6 evals)——4m 41s100%76.2k tokens$0.046 通过 pr-1269——4m 5s——$0.041 通过 @1708HZAE8RX406 天——4m 5s——$0.04✓ 通过 pr-1271——7m 31s——$0.051 通过 @1GJ28BMYGZ6SQ6 天——7m 31s——$0.05✓ 通过 pr-1275——3m 35s——$0.031 通过 @1K3SSC7CE5X886 天——3m 35s——$0.03✓ 通过 pr-1278——3m 0s——$0.021 通过 @17E5XTWEG13Y76 天——3m 0s——$0.02✓ 通过 pr-1282——4m 31s——$0.051 通过 @1TK915K4XP6C26 天——4m 31s——$0.05✓ 通过 pr-970——5m 25s——$0.031 通过 @15A8F942Z4VF36 天——5m 25s——$0.03✓ 通过 yet-another-react-lightbox (3 evals)——5m 21s100%84.3k tokens$0.053 通过 commit-5578052——4m 33s——$0.041 通过 @1W6GJSG2FPM626 天——4m 33s——$0.04✓ 通过 commit-f63f6af——3m 51s——$0.041 通过 @1ZTYH9NBNNF2Z6 天——3m 51s——$0.04✓ 通过 pr-408——7m 38s——$0.061 通过 @13Z5K8B49VNJN6 天——7m 38s——$0.06✓ 通过 react-hook-form (8 evals)——3m 11s87.5%52.3k tokens$0.037 通过1 失败 pr-13476——4m 30s——$0.041 失败 @18ABXXNE5CW1Y6 天——4m 30s——$0.04✗ 失败 pr-13512——4m 9s——$0.041 通过 @1RPRTR7P0YRS46 天——4m 9s——$0.04✓ 通过 pr-13515——2m 1s——$0.011 通过 @1D9KK5PYM8BGS6 天——2m 1s——$0.01✓ 通过 pr-13566——1m 59s——$0.00871 通过 @1K9F6766HZNF06 天——1m 59s——$0.0087✓ 通过 pr-13579——4m 53s——$0.041 通过 @1Y2VK37GDDA5Q6 天——4m 53s——$0.04✓ 通过 pr-13594——2m 32s——$0.021 通过 @1102G1XGGF9S46 天——2m 32s——$0.02✓ 通过 pr-13599——2m 15s——$0.021 通过 @1ABV2J0070D5D6 天——2m 15s——$0.02✓ 通过 pr-13603——3m 6s——$0.031 通过 @1S6FWARQ8C1116 天——3m 6s——$0.03✓ 通过 toggl-cli (6 evals)——6m 13s83.3%181.3k tokens$0.095 通过1 失败 01-entry-stats——11m 6s——$0.161 通过 @1F5WTE4FPM99V6 天——11m 6s——$0.16✓ 通过 02-entry-bill——6m 36s——$0.101 通过 @1ADHC11NJSEWQ6 天——6m 36s——$0.10✓ 通过 03-entry-bill-weekly——3m 56s——$0.081 失败 @14WYJRG554EF96 天——3m 56s——$0.08✗ 失败 04-billing-doc——1m 13s——$0.00791 通过 @1EATVC27ZFZJY6 天——1m 13s——$0.0079✓ 通过 05-entry-invoice——8m 23s——$0.111 通过 @1ZZX1HFFBAPSC5 天——8m 23s——$0.11✓ 通过 06-entry-invoice-monthly——6m 5s——$0.091 通过 @1RQG8BMMTTPVT6 天——6m 5s——$0.09✓ 通过 ——————— compare/codex-gpt-5.6-luna--mempalgpt-5.6-lunacodex4m 39s91.7%106.6k tokens$0.0533 通过3 失败 downshift (6 evals)——4m 44s100%120.2k tokens$0.056 通过 pr-1414——2m 46s——$0.011 通过 @1QP5MM49C6B4E7 天——2m 46s——$0.01✓ 通过 pr-1456——3m 18s——$0.031 通过 @1BBQFYAJVSCTF7 天——3m 18s——$0.03✓ 通过 pr-1458——3m 21s——$0.041 通过 @1P0E3TF45P3JZ7 天——3m 21s——$0.04✓ 通过 pr-1484——1m 54s——$0.021 通过 @1WJ1RKJDJF0TZ7 天——1m 54s——$0.02✓ 通过 pr-1587——13m 57s——$0.171 通过 @1BVNMW63Y96K97 天——13m 57s——$0.17✓ 通过 pr-1603——3m 9s——$0.021 通过 @1N8F7B8JWWGXC7 天——3m 9s——$0.02✓ 通过 react-datepicker (7 evals)——4m 36s100%79.2k tokens$0.047 通过 pr-6058——7m 36s——$0.051 通过 @1AM3MM28DK2V67 天——7m 36s——$0.05✓ 通过 pr-6073——2m 21s——$0.021 通过 @197ZQZBVPF5N67 天——2m 21s——$0.02✓ 通过 pr-6092——5m 7s——$0.041 通过 @12GSKA6FBY1DQ7 天——5m 7s——$0.04✓ 通过 pr-6167——3m 56s——$0.021 通过 @1A1EVWQXKFX7H7 天——3m 56s——$0.02✓ 通过 pr-6168——2m 8s——$0.011 通过 @1RXM5A8A4GM1N7 天——2m 8s——$0.01✓ 通过 pr-6172——2m 52s——$0.021 通过 @16Y83DHKN2WRK7 天——2m 52s——$0.02✓ 通过 pr-6206——8m 13s——$0.071 通过 @10C8EMS843FY46 天——8m 13s——$0.07✓ 通过 react-tooltip (6 evals)——4m 9s100%76.3k tokens$0.046 通过 pr-1269——4m 48s——$0.061 通过 @15845D7M8JKQA6 天——4m 48s——$0.06✓ 通过 pr-1271——4m 47s——$0.041 通过 @1F2NWJZQ6MG7R7 天——4m 47s——$0.04✓ 通过 pr-1275——4m 23s——$0.031 通过 @17GZKATT4H66J7 天——4m 23s——$0.03✓ 通过 pr-1278——3m 13s——$0.021 通过 @17A94Q0NXS3057 天——3m 13s——$0.02✓ 通过 pr-1282——3m 9s——$0.051 通过 @1NJX6K6V59DWK7 天——3m 9s——$0.05✓ 通过 pr-970——4m 36s——$0.041 通过 @1MNMRAXBN2ANB7 天——4m 36s——$0.04✓ 通过 yet-another-react-lightbox (3 evals)——4m 21s100%91k tokens$0.043 通过 commit-5578052——2m 51s——$0.021 通过 @1F2XWM0S2SHB26 天——2m 51s——$0.02✓ 通过 commit-f63f6af——5m 58s——$0.051 通过 @1HA06WV1V7TGR6 天——5m 58s——$0.05✓ 通过 pr-408——4m 14s——$0.051 通过 @1H7AK39YMZQXH7 天——4m 14s——$0.05✓ 通过 toggl-cli (6 evals)——6m 13s83.3%183.4k tokens$0.105 通过1 失败 01-entry-stats——9m 6s——$0.161 通过 @1MMA2TQD2SFND6 天——9m 6s——$0.16✓ 通过 02-entry-bill——8m 51s——$0.121 通过 @1QY6GV609BY8F6 天——8m 51s——$0.12✓ 通过 03-entry-bill-weekly——6m 42s——$0.131 通过 @1F1TWAZFX6Q4T7 天——6m 42s——$0.13✓ 通过 04-billing-doc——44.7s——$0.00351 通过 @1Y6M4PC1W437A6 天——44.7s——$0.0035✓ 通过 05-entry-invoice——5m 12s——$0.081 通过 @133NFB7HZ2HCG7 天——5m 12s——$0.08✓ 通过 06-entry-invoice-monthly——6m 40s——$0.101 失败 @18B83C1PWJSEV6 天——6m 40s——$0.10✗ 失败 react-hook-form (8 evals)——3m 58s75%91.5k tokens$0.046 通过2 失败 pr-13476——4m 48s——$0.051 失败 @156C9GGFFW3HJ7 天——4m 48s——$0.05✗ 失败 pr-13512——1m 46s——$0.011 通过 @1C7PF95CFA45Y7 天——1m 46s——$0.01✓ 通过 pr-13515——4m 20s——$0.011 通过 @15KJSK1Q1ZT9Q7 天——4m 20s——$0.01✓ 通过 pr-13566——2m 52s——$0.021 通过 @1V2YQC3EEZK887 天——2m 52s——$0.02✓ 通过 pr-13579——2m 53s——$0.021 通过 @14T113SAZ0NVB7 天——2m 53s——$0.02✓ 通过 pr-13594——10m 6s——$0.121 失败 @1DFH6JTE7GF997 天——10m 6s——$0.12✗ 失败 pr-13599——3m 16s——$0.031 通过 @1X6PYYNZCMMGE7 天——3m 16s——$0.03✓ 通过 pr-13603——1m 46s——$0.021 通过 @1TBWZK4P688PN7 天——1m 46s——$0.02✓ 通过 ——————— compare/codex-gpt-5.6-luna--obeliskgpt-5.6-lunacodex4m 29s88.9%77.4k tokens$0.0432 通过4 失败 downshift (6 evals)——3m 49s100%54.5k tokens$0.036 通过 pr-1414——2m 59s——$0.021 通过 @1XFJ5CJZKQZ2S4 天——2m 59s——$0.02✓ 通过 pr-1456——2m 49s——$0.031 通过 @1NZY3ZE2XMBGC4 天——2m 49s——$0.03✓ 通过 pr-1458——4m 12s——$0.031 通过 @1GX5RSYDM0P0J4 天——4m 12s——$0.03✓ 通过 pr-1484——3m 13s——$0.021 通过 @1KE91Q0HH10K54 天——3m 13s——$0.02✓ 通过 pr-1587——7m 5s——$0.051 通过 @1N42MT1B4DRYR4 天——7m 5s——$0.05✓ 通过 pr-1603——2m 37s——$0.021 通过 @1TB1VJ8EKV6RY4 天——2m 37s——$0.02✓ 通过 react-tooltip (6 evals)——3m 48s100%56.8k tokens$0.036 通过 pr-1269——3m 2s——$0.021 通过 @1ZP1ARPR7ZD1P4 天——3m 2s——$0.02✓ 通过 pr-1271——3m 30s——$0.041 通过 @1R9N6NSD1EZ114 天——3m 30s——$0.04✓ 通过 pr-1275——5m 17s——$0.031 通过 @1JE2V45VZN1EB4 天——5m 17s——$0.03✓ 通过 pr-1278——2m 10s——$0.021 通过 @1TRT0PC83SWSH4 天——2m 10s——$0.02✓ 通过 pr-1282——4m 12s——$0.041 通过 @10JB28MCKTZB64 天——4m 12s——$0.04✓ 通过 pr-970——4m 36s——$0.031 通过 @1SRXFB3V2SNZD4 天——4m 36s——$0.03✓ 通过 yet-another-react-lightbox (3 evals)——4m 36s100%64.6k tokens$0.043 通过 commit-5578052——3m 12s——$0.021 通过 @19K8W4WHCNKVX4 天——3m 12s——$0.02✓ 通过 commit-f63f6af——4m 27s——$0.041 通过 @18M9PZT6TXCSG4 天——4m 27s——$0.04✓ 通过 pr-408——6m 10s——$0.051 通过 @1HNN2MAPFWTVZ4 天——6m 10s——$0.05✓ 通过 react-hook-form (8 evals)——4m 28s87.5%43.6k tokens$0.027 通过1 失败 pr-13476——6m 38s——$0.021 失败 @1ZK7EXEG3GEFD4 天——6m 38s——$0.02✗ 失败 pr-13512——4m 28s——$0.021 通过 @1VAM3XS92SQG44 天——4m 28s——$0.02✓ 通过 pr-13515——8m 14s——$0.021 通过 @121VKQZG9VZ9K4 天——8m 14s——$0.02✓ 通过 pr-13566——4m 7s——$0.011 通过 @1EEA21DWA0JW94 天——4m 7s——$0.01✓ 通过 pr-13579——2m 40s——$0.031 通过 @1GPAG92VQ6SYF4 天——2m 40s——$0.03✓ 通过 pr-13594——3m 49s——$0.031 通过 @1HW8XWYYWGDJ04 天——3m 49s——$0.03✓ 通过 pr-13599——3m 19s——$0.021 通过 @1CY87E9KD13M34 天——3m 19s——$0.02✓ 通过 pr-13603——2m 28s——$0.021 通过 @1YQQGN01NRCJ44 天——2m 28s——$0.02✓ 通过 react-datepicker (7 evals)——4m 10s85.7%65.7k tokens$0.036 通过1 失败 pr-6058——4m 52s——$0.041 通过 @1P8SPDV2TRT254 天——4m 52s——$0.04✓ 通过 pr-6073——3m 0s——$0.031 通过 @1FS481375JK814 天——3m 0s——$0.03✓ 通过 pr-6092——5m 56s——$0.041 通过 @124CWATEW25HY4 天——5m 56s——$0.04✓ 通过 pr-6167——3m 22s——$0.011 失败 @1HZPZEB5VVQ684 天——3m 22s——$0.01✗ 失败 pr-6168——2m 48s——$0.021 通过 @11T83V0D6FZ4K4 天——2m 48s——$0.02✓ 通过 pr-6172——4m 45s——$0.021 通过 @1XSA4QTQ7S99F4 天——4m 45s——$0.02✓ 通过 pr-6206——4m 29s——$0.051 通过 @1MEP52K6KK6014 天——4m 29s——$0.05✓ 通过 toggl-cli (6 evals)——6m 10s66.7%186.1k tokens$0.104 通过2 失败 01-entry-stats——9m 5s——$0.181 通过 @10WFD0CCSF5VQ——9m 5s——$0.18✓ 通过 02-entry-bill——5m 49s——$0.111 通过 @1ZRD6SZW62ZA2——5m 49s——$0.11✓ 通过 03-entry-bill-weekly——8m 44s——$0.081 失败 @1JWEP87ZCZQ2B4 天——8m 44s——$0.08✗ 失败 04-billing-doc——1m 9s——$0.00951 失败 @15ZWB0K05ERQR4 天——1m 9s——$0.0095✗ 失败 05-entry-invoice——5m 20s——$0.081 通过 @1477135RHGF984 天——5m 20s——$0.08✓ 通过 06-entry-invoice-monthly——6m 53s——$0.121 通过 @14WKKMTFDBT9V4 天——6m 53s——$0.12✓ 通过 ——————— compare/bub-gpt-5.6-lunagpt-5.6-lunabub4m 28s86.1%518.1k tokens$0.1231 通过5 失败 downshift (6 evals)——5m 45s100%368.6k tokens$0.096 通过 pr-1414——4m 52s——$0.051 通过 @18XA20DV1VZ6N5 天——4m 52s——$0.05✓ 通过 pr-1456——8m 8s——$0.111 通过 @160G8H6S2SHTD5 天——8m 8s——$0.11✓ 通过 pr-1458——6m 1s——$0.071 通过 @1N1WTX59CGGZ45 天——6m 1s——$0.07✓ 通过 pr-1484——4m 47s——$0.041 通过 @1E5E6W3Q7Y37S5 天——4m 47s——$0.04✓ 通过 pr-1587——6m 19s——$0.221 通过 @15YG0PRDSKZNQ5 天——6m 19s——$0.22✓ 通过 pr-1603——4m 21s——$0.031 通过 @13RSVWAVK6ZEW5 天——4m 21s——$0.03✓ 通过 react-datepicker (7 evals)——4m 5s100%463k tokens$0.107 通过 pr-6058——4m 42s——$0.091 通过 @1F38PJESJQ72B5 天——4m 42s——$0.09✓ 通过 pr-6073——2m 36s——$0.051 通过 @1Z14NY3QYYAN25 天——2m 36s——$0.05✓ 通过 pr-6092——7m 20s——$0.251 通过 @1DHVW06BG5XQ7——7m 20s——$0.25✓ 通过 pr-6167——2m 33s——$0.021 通过 @1XAJ5T26QDSEP5 天——2m 33s——$0.02✓ 通过 pr-6168——3m 1s——$0.051 通过 @1GRMTJWGJP0HN5 天——3m 1s——$0.05✓ 通过 pr-6172——2m 39s——$0.041 通过 @17VBCGRSZKVRH5 天——2m 39s——$0.04✓ 通过 pr-6206——5m 47s——$0.201 通过 @1W415RKQGKNKZ——5m 47s——$0.20✓ 通过 yet-another-react-lightbox (3 evals)——3m 58s100%314.7k tokens$0.073 通过 commit-5578052——3m 39s——$0.051 通过 @1ZDN621PTXQYQ5 天——3m 39s——$0.05✓ 通过 commit-f63f6af——3m 36s——$0.071 通过 @1YM0NG1ZYP2JG5 天——3m 36s——$0.07✓ 通过 pr-408——4m 39s——$0.091 通过 @1BRWMS7HS6SVQ5 天——4m 39s——$0.09✓ 通过 react-tooltip (6 evals)——3m 20s83.3%199k tokens$0.055 通过1 失败 pr-1269——3m 16s——$0.051 通过 @15XQPXJWEW32D5 天——3m 16s——$0.05✓ 通过 pr-1271——4m 11s——$0.071 失败 @1ZSZ6GXKKQ7Y55 天——4m 11s——$0.07✗ 失败 pr-1275——2m 39s——$0.031 通过 @1BJQMMGFJ01AV5 天——2m 39s——$0.03✓ 通过 pr-1278——3m 5s——$0.031 通过 @1S7BP8JKJ2RMX5 天——3m 5s——$0.03✓ 通过 pr-1282——2m 51s——$0.051 通过 @1H1366ZBPN0RZ5 天——2m 51s——$0.05✓ 通过 pr-970——3m 57s——$0.051 通过 @1SSSEF8JDWMH75 天——3m 57s——$0.05✓ 通过 react-hook-form (8 evals)——3m 7s75%225.6k tokens$0.056 通过2 失败 pr-13476——4m 5s——$0.081 失败 @1KGH740A868PV5 天——4m 5s——$0.08✗ 失败 pr-13512——2m 17s——$0.021 通过 @1PMZWG33C3S5E5 天——2m 17s——$0.02✓ 通过 pr-13515——3m 17s——$0.041 通过 @1K5NMWRJ1ZDFJ5 天——3m 17s——$0.04✓ 通过 pr-13566——2m 13s——$0.021 通过 @1X47RSQJFD7HS5 天——2m 13s——$0.02✓ 通过 pr-13579——2m 0s——$0.021 通过 @1DB82Z67DA3MR5 天——2m 0s——$0.02✓ 通过 pr-13594——4m 34s——$0.121 失败 @1H8QSZ539YW8F5 天——4m 34s——$0.12✗ 失败 pr-13599——4m 1s——$0.091 通过 @1QZREHGMV7Q485 天——4m 1s——$0.09✓ 通过 pr-13603——2m 29s——$0.021 通过 @1X9SS7ARXEN825 天——2m 29s——$0.02✓ 通过 toggl-cli (6 evals)——6m 50s66.7%1.5M tokens$0.344 通过2 失败 01-entry-stats——6m 44s——$0.371 通过 @1KCW7XCXZE95N5 天——6m 44s——$0.37✓ 通过 02-entry-bill——6m 26s——$0.331 通过 @1Q9Y4T5NWSX315 天——6m 26s——$0.33✓ 通过 03-entry-bill-weekly——8m 48s——$0.551 通过 @1YZH0J62JR5Y65 天——8m 48s——$0.55✓ 通过 04-billing-doc——2m 56s——$0.161 失败 @1466SVH5GQQ94——2m 56s——$0.16✗ 失败 05-entry-invoice——6m 26s——$0.241 通过 @1B9ZWT45P7PCV5 天——6m 26s——$0.24✓ 通过 06-entry-invoice-monthly——9m 39s——$0.411 失败 @18104AKBGPD6V5 天——9m 39s——$0.41✗ 失败 ——————— compare/codex-gpt-5.6-lunagpt-5.6-lunacodex6m 8s86.1%117.3k tokens$0.0631 通过5 失败 downshift (6 evals)——5m 19s100%49.6k tokens$0.026 通过 pr-1414——9m 8s——$0.041 通过 @187H8X1BY6KVV7 天——9m 8s——$0.04✓ 通过 pr-1456——6m 18s——$0.021 通过 @122N2DGARMFJR7 天——6m 18s——$0.02✓ 通过 pr-1458——3m 31s——$0.021 通过 @18XJMFGH1ETEH7 天——3m 31s——$0.02✓ 通过 pr-1484——6m 9s——$0.021 通过 @19BXRBTK003X37 天——6m 9s——$0.02✓ 通过 pr-1587——3m 53s——$0.021 通过 @1V0QXN24YNJXP7 天——3m 53s——$0.02✓ 通过 pr-1603——2m 55s——$0.011 通过 @1T45CP3SYXGVQ7 天——2m 55s——$0.01✓ 通过 react-datepicker (7 evals)——9m 35s100%117.2k tokens$0.067 通过 pr-6058——22m 59s——$0.071 通过 @1H9M59GBKCEJD7 天——22m 59s——$0.07✓ 通过 pr-6073——3m 31s——$0.041 通过 @1GCDQ3PF5N7QJ7 天——3m 31s——$0.04✓ 通过 pr-6092——29m 22s——$0.221 通过 @1EHMG2KWB479C7 天——29m 22s——$0.22✓ 通过 pr-6167——2m 34s——$0.011 通过 @17KZ0SD2WYPM47 天——2m 34s——$0.01✓ 通过 pr-6168——1m 49s——$0.021 通过 @1T8RG4ARMFPSE7 天——1m 49s——$0.02✓ 通过 pr-6172——2m 46s——$0.021 通过 @1BSYRHWJ0FFRA7 天——2m 46s——$0.02✓ 通过 pr-6206——4m 4s——$0.031 通过 @1VS3BDFGPTM2W7 天——4m 4s——$0.03✓ 通过 react-hook-form (8 evals)——4m 27s100%69k tokens$0.048 通过 pr-13476——5m 55s——$0.041 通过 @1HDV3B8M372WQ7 天——5m 55s——$0.04✓ 通过 pr-13512——2m 32s——$0.011 通过 @1SRP1NXW4E1YC7 天——2m 32s——$0.01✓ 通过 pr-13515——1m 29s——$0.011 通过 @161VGMZJM5D8A7 天——1m 29s——$0.01✓ 通过 pr-13566——2m 14s——$0.011 通过 @1QTG21GPX70YR7 天——2m 14s——$0.01✓ 通过 pr-13579——1m 38s——$0.021 通过 @1Z2034BNTFS4E7 天——1m 38s——$0.02✓ 通过 pr-13594——12m 14s——$0.131 通过 @1DSBM4AS1SB767 天——12m 14s——$0.13✓ 通过 pr-13599——3m 37s——$0.041 通过 @128TQBBVTWFQ57 天——3m 37s——$0.04✓ 通过 pr-13603——5m 54s——$0.041 通过 @1YNP485GGNS9W7 天——5m 54s——$0.04✓ 通过 yet-another-react-lightbox (3 evals)——2m 42s100%60.1k tokens$0.033 通过 commit-5578052——2m 15s——$0.021 通过 @1YBRFVME5ENJ37 天——2m 15s——$0.02✓ 通过 commit-f63f6af——2m 6s——$0.021 通过 @1YPKFG8M62SVX7 天——2m 6s——$0.02✓ 通过 pr-408——3m 46s——$0.041 通过 @1P1XZZGACF6Y67 天——3m 46s——$0.04✓ 通过 react-tooltip (6 evals)——4m 38s66.7%72.6k tokens$0.044 通过2 失败 pr-1269——7m 21s——$0.071 通过 @1V0SKAPDWPBHF7 天——7m 21s——$0.07✓ 通过 pr-1271——3m 44s——$0.031 失败 @1ZFE5Z879ER8Q7 天——3m 44s——$0.03✗ 失败 pr-1275——6m 48s——$0.071 通过 @1944Q9SBGB8037 天——6m 48s——$0.07✓ 通过 pr-1278——2m 0s——$0.00891 通过 @12Z2SX1EC2RWG7 天——2m 0s——$0.0089✓ 通过 pr-1282——3m 58s——$0.031 通过 @181F02BX0GPM77 天——3m 58s——$0.03✓ 通过 pr-970——3m 56s——$0.031 失败 @1FV4ZXXQMG0907 天——3m 56s——$0.03✗ 失败 toggl-cli (6 evals)——8m 27s50%322.8k tokens$0.153 通过3 失败 01-entry-stats——7m 19s——$0.181 通过 @1HVHMHDA0WBV17 天——7m 19s——$0.18✓ 通过 02-entry-bill——6m 9s——$0.111 通过 @18D2EB8MJJFFR7 天——6m 9s——$0.11✓ 通过 03-entry-bill-weekly——7m 56s——$0.111 失败 @1NZ8B073QEHTX7 天——7m 56s——$0.11✗ 失败 04-billing-doc——1m 13s——$0.00581 失败 @1TANEDYWR5C5B6 天——1m 13s——$0.0058✗ 失败 05-entry-invoice——11m 9s——$0.241 通过 @10KA7372961F57 天——11m 9s——$0.24✓ 通过 06-entry-invoice-monthly——16m 53s——$0.281 失败 @15BYQC4J0T8D27 天——16m 53s——$0.28✗ 失败 ——————— compare/codex-gpt-5.6-luna--rememgpt-5.6-lunacodex4m 49s50%160.3k tokens$0.081 通过1 失败 toggl-cli (2/6 evals)——4m 49s50%160.3k tokens$0.081 通过1 失败 01-entry-stats——————@1MDTE9RAKZ6C45 天niceeval exp compare/codex-gpt-5.6-luna--remem 02-entry-bill——5m 34s——$0.071 通过 @1TA06783YKMBY——5m 34s——$0.07✓ 通过 03-entry-bill-weekly——4m 4s——$0.091 失败 @1B9QCDX933E8K——4m 4s——$0.09✗ 失败 04-billing-doc——————@1QXH85W8AYDAY5 天niceeval exp compare/codex-gpt-5.6-luna--remem 05-entry-invoice——————@1CCH18VDPMD3Q5 天niceeval exp compare/codex-gpt-5.6-luna--remem 06-entry-invoice-monthly——————@1XBC0CM2MZYWW5 天niceeval exp compare/codex-gpt-5.6-luna--remem downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————@1Q81SAE82QY674 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1456——————@18KDYW3413PWA4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1458——————@19W1CPJFNN1SW4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1484——————@1PWZ7ZN8DCFQW4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1587——————@1NXRMEVSKFQ1F4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1603——————@1DAH8JFA68Y6S4 天niceeval exp compare/codex-gpt-5.6-luna--remem react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————@1JE2FB4B740GY4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6073——————@103MQE03KG1F44 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6092——————@19M15D40KFGVJ4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6167——————@15VA5TGDMK68C4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6168——————@1NYHB9R2V29XT4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6172——————@1NCA89BM2EQ2K4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-6206——————@1CBHTDYD9KPY24 天niceeval exp compare/codex-gpt-5.6-luna--remem react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————@12Y33HBR7HV9M4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13512——————@1PHBMM3T61A0T4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13515——————@1EJ50DJW4PGYS4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13566——————@1MDXXR33V50ZW4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13579——————@1VBZBD8H8EB774 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13594——————@164BQSV5D60CT4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13599——————@1W48YYH5H31SS4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-13603——————@1ANYXCVS341V24 天niceeval exp compare/codex-gpt-5.6-luna--remem react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————@1BGQACB4CAHVF4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1271——————@1EP2DEAB9X9VG4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1275——————@1VB7KTXJNK41S4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1278——————@1BJ81PQB0GCWQ4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-1282——————@1V61GF9EKC6AG4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-970——————@1BTGP6TGA31DA4 天niceeval exp compare/codex-gpt-5.6-luna--remem yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————@15HQW77360J8Q4 天niceeval exp compare/codex-gpt-5.6-luna--remem commit-f63f6af——————@1FEFFB1DDXS6P4 天niceeval exp compare/codex-gpt-5.6-luna--remem pr-408——————@1CAB9ZJRDZQRX4 天niceeval exp compare/codex-gpt-5.6-luna--remem ———————

实验	模型	Agent	平均耗时	通过率	Tokens	成本	结果
compare/codex-gpt-5.6-luna--obeliskgpt-5.6-lunacodex7m 27s100%257.7k tokens$0.142 通过 toggl-cli (2/6 evals)——7m 27s100%257.7k tokens$0.142 通过 01-entry-stats——9m 5s——$0.181 通过 @10WFD0CCSF5VQ——9m 5s——$0.18✓ 通过 02-entry-bill——5m 49s——$0.111 通过 @1ZRD6SZW62ZA2——5m 49s——$0.11✓ 通过 03-entry-bill-weekly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk 04-billing-doc——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk 05-entry-invoice——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1456——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1458——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1484——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1587——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6073——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6092——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6167——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6168——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6172——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-6206——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13512——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13515——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13566——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13579——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13594——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13599——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-13603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1271——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1275——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1278——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-1282——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-970——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk commit-f63f6af——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk pr-408——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--obelisk ——————— compare/bub-gpt-5.6-lunagpt-5.6-lunabub5m 21s66.7%954.9k tokens$0.202 通过1 失败 react-datepicker (2/7 evals)——6m 33s100%1.1M tokens$0.232 通过 pr-6058——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-6073——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-6092——7m 20s——$0.251 通过 @1DHVW06BG5XQ7——7m 20s——$0.25✓ 通过 pr-6167——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-6168——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-6172——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-6206——5m 47s——$0.201 通过 @1W415RKQGKNKZ——5m 47s——$0.20✓ 通过 toggl-cli (1/6 evals)——2m 56s0%763.6k tokens$0.161 失败 01-entry-stats——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna 02-entry-bill——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna 03-entry-bill-weekly——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna 04-billing-doc——2m 56s——$0.161 失败 @1466SVH5GQQ94——2m 56s——$0.16✗ 失败 05-entry-invoice——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1456——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1458——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1484——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1587——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1603——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13512——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13515——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13566——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13579——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13594——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13599——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-13603——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1271——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1275——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1278——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-1282——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-970——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna commit-f63f6af——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna pr-408——————当前配置下无结果niceeval exp compare/bub-gpt-5.6-luna ——————— compare/codex-gpt-5.6-luna--rememgpt-5.6-lunacodex4m 49s50%160.3k tokens$0.081 通过1 失败 toggl-cli (2/6 evals)——4m 49s50%160.3k tokens$0.081 通过1 失败 01-entry-stats——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem 02-entry-bill——5m 34s——$0.071 通过 @1TA06783YKMBY——5m 34s——$0.07✓ 通过 03-entry-bill-weekly——4m 4s——$0.091 失败 @1B9QCDX933E8K——4m 4s——$0.09✗ 失败 04-billing-doc——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem 05-entry-invoice——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1456——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1458——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1484——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1587——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6073——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6092——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6167——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6168——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6172——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-6206——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13512——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13515——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13566——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13579——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13594——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13599——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-13603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1271——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1275——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1278——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-1282——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-970——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem commit-f63f6af——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem pr-408——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--remem ——————— compare/codex-gpt-5.6-lunagpt-5.6-lunacodex无数据无数据无数据无数据— downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1456——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1458——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1484——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1587——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6073——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6092——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6167——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6168——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6172——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-6206——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13512——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13515——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13566——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13579——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13594——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13599——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-13603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1271——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1275——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1278——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-1282——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-970——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna toggl-cli (0/6 evals)——无数据无数据无数据无数据无数据 01-entry-stats——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna 02-entry-bill——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna 03-entry-bill-weekly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna 04-billing-doc——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna 05-entry-invoice——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna commit-f63f6af——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna pr-408——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna ——————— compare/codex-gpt-5.6-luna--mempalgpt-5.6-lunacodex无数据无数据无数据无数据— downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1456——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1458——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1484——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1587——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6073——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6092——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6167——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6168——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6172——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-6206——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13512——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13515——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13566——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13579——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13594——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13599——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-13603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1271——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1275——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1278——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-1282——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-970——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal toggl-cli (0/6 evals)——无数据无数据无数据无数据无数据 01-entry-stats——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal 02-entry-bill——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal 03-entry-bill-weekly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal 04-billing-doc——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal 05-entry-invoice——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal commit-f63f6af——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal pr-408——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--mempal ——————— compare/codex-gpt-5.6-luna--nowledgegpt-5.6-lunacodex无数据无数据无数据无数据— downshift (0/6 evals)——无数据无数据无数据无数据无数据 pr-1414——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1456——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1458——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1484——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1587——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge react-datepicker (0/7 evals)——无数据无数据无数据无数据无数据 pr-6058——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6073——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6092——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6167——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6168——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6172——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-6206——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge react-hook-form (0/8 evals)——无数据无数据无数据无数据无数据 pr-13476——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13512——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13515——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13566——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13579——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13594——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13599——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-13603——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge react-tooltip (0/6 evals)——无数据无数据无数据无数据无数据 pr-1269——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1271——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1275——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1278——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-1282——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-970——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge toggl-cli (0/6 evals)——无数据无数据无数据无数据无数据 01-entry-stats——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge 02-entry-bill——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge 03-entry-bill-weekly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge 04-billing-doc——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge 05-entry-invoice——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge 06-entry-invoice-monthly——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge yet-another-react-lightbox (0/3 evals)——无数据无数据无数据无数据无数据 commit-5578052——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge commit-f63f6af——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge pr-408——————当前配置下无结果niceeval exp compare/codex-gpt-5.6-luna--nowledge ———————