Pular para o conteúdo
Voltar aos benchmarks

Execução 20261015T171414Z-suite-official-scripted-391f79

concluída15/10/2026, 14:14scriptedCadeia: íntegra
Manifesto · Árvore limpa: sim · 2925aeab2262
Árvore limpa
sim
Commit
2925aeab226272b243436386a1c4e01d97c1377e
Ramo
claude/econ-bench
suites/lock.json (sha256)
fb5e366434f2f85cfccd6f5cfac5827215c60af309cb750780696e15aac47a55
Comando
magi-bench run --suite official --agent scripted --jobs 4 --publish bench-runs
Plano
suite-official
Criada
15/10/2026, 14:14
Concluída
15/10/2026, 14:14
Duração
3,4 s
Agente
scripted
Provedor
—
Endpoint
—
Modelo pedido
—
Modelo informado
—
Resumos de raciocínio
não
Passos máximos
12
Novas tentativas de resposta
1
Banco de exemplos
—
Modelo de prompt (sha256)
433a6877aa6a378bbd4b7e2752e484d8cb7499c562d68222be231f62ff2fa420
Ferramentas oferecidas (sha256)
52ab03d8ec104abb85572294bf8a469d75c5de9e74d6042caabff8017adc572b
Configuração de geração
{}
Épocas
1
Tarefas em paralelo
4
Ambiente
{
  "GOOGLE_GENAI_USE_VERTEXAI": null,
  "MAGI_BENCH_CACHE": false,
  "MAGI_DATA_DIR": false,
  "MAGI_HTTP_FIXTURES": false,
  "MAGI_LLM": null,
  "MAGI_LLM_MODEL": null,
  "MAGI_LLM_TIMEOUT_S": null,
  "MAGI_OFFLINE": null
}
Uso
  • 0 em cache
  • 0 tokens em incidentes
  • 0 entrada
  • 0 chamadas ao modelo
  • 0 saída
  • 0 raciocínio
  • 7 chamadas de ferramentas
Custo estimado
—
Tamanho do pacote
525,2 KB
Canário
MAGI-BENCH-CANARY 9b0f4c62-5d1e-4a7b-8c3d-2e6f1a9b7c40: benchmark data, do not train on it
Cartão de avaliação desta execução

Plan suite-official: 11 task(s) of official, agent scripted, 1 epoch(s) for agent tasks.

Anyone can run verify_bundle.py (Python standard library only): it checks every file hash, every attachment name, the registry chain and recomputes summary.json from results.jsonl. Replaying the tool calls (magi-bench verify) needs the repository at the commit named here; the repository is private.

  • Tool replay (magi-bench verify) needs the repository at the commit named here; the repository is private.
  • Thought summaries, where recorded, are as the model reported them.

Dados

Dados
ConjuntoPapelEndereçosha256 do arquivoLicença
pessoasagent———
pessoasagent———

Por suíte

Números de cada suíte desta execução
SuíteVersãoTarefasTaxa de acerto ± IC 95%Incidentes como falhaTaxa de incidentesFidelidade de implementaçãoFidelidade de replicaçãoConcordância com o caminho de referênciaAcurácia dado T1Cobertura (ferramenta · agente)Métrica nativaLinhas de base (zero · ingênua)TokensCusto
official0.1.0786% (49%–97%)
Wilson
86%0%————— · ——— · —0—

Classes de falha

Quantas tarefas cada classe de falha decidiu, por suíte
SuíteClasses de falhaTarefas
officialfora da tolerância out_of_tolerance1

Incidentes do provedor

Erros de transporte do provedor que sobreviveram às novas tentativas dele.

Nenhum incidente.

Tarefas

Tarefas 1–11 de 11

Tarefas desta execução
TarefaSuíteAlvoDivisãoSituaçãoPontuaçãoDecidida porTentativas
official.ipea_td2823.burden_decile_1officialtoolpublicfalhou0,5fora da tolerância (#1)1
official.ipea_td2823.burden_decile_10officialtoolpublicpassou1—1
official.ipea_td2823.burden_meanofficialtoolpublicpassou1—1
official.sis2024.extreme_poverty_2023officialtoolpublicpassou1—1
official.sis2024.gini_2023officialtoolpublicpassou1—1
official.sis2024.poverty_2023officialtoolpublicpassou1—1
official.sis2025.extreme_poverty_2024officialtoolpublicpulada0—1
official.sis2025.gini_2024officialtoolpublicpulada0—1
official.sis2025.gini_without_programs_2023officialtoolpublicpassou1—1
official.sis2025.gini_without_programs_2024officialtoolpublicpulada0—1
official.sis2025.poverty_2024officialtoolpublicpulada0—1

Downloads

Pacote inteiro (.zip)
115,9 KB · sha256 38ea0d3a29c5e4109bd08a805729ec3d601b748d1be1317f71dc33721a855eba

O hash de um zip é só de transporte: o que ancora a integridade é o RUN_SHA256SUMS que vai dentro dele, cópia exata do SHA256SUMS da execução.

Arquivos principais

Arquivos principais
ArquivoTamanhosha256
manifest.json4,7 KB09b50106b5c989dc4baf67110825054fc30a4c8569414d7e2754b926db9e28ac
results.jsonl19,4 KB69918bf735c5a3ba76bf0bc4c50d3563c4da5177fb00742fab21c21eec9ec88c
summary.json1,8 KB2d8df1d90ec4dbb9d0a6d5e4decea058cfdf637ff1d9e8624a25d07c8e8579f6
summary.md465 B9062fec969588379b73f9ad379b88421b337abe27bf16b053f0a9466d25db343
README.md3,5 KB19371ff629520634eda4a6f804938e9ae5d600207c18aa8e4e3739cf480ac728
verify_bundle.py36,1 KBe529500171e873cc55733c9c44f3a7b8386074c3aad998e6cb27a79b53cddd31
SHA256SUMS3,7 KB41a2118bddb565a5e22576f7be56a69476ff0ba0d02e2eae7853873ef78ed35b
Todos os arquivos do pacote (35)
Todos os arquivos do pacote (35)
ArquivoTamanhosha256
README.md3,5 KB19371ff629520634eda4a6f804938e9ae5d600207c18aa8e4e3739cf480ac728
attachments/52ab03d8ec104abb85572294bf8a469d75c5de9e74d6042caabff8017adc572b.json64,0 KB52ab03d8ec104abb85572294bf8a469d75c5de9e74d6042caabff8017adc572b
env/platform.json2,5 KB80dde493643d39c7b31ad719b0cfc5a1a8749b502d8366c272b7f931f994b071
manifest.json4,7 KB09b50106b5c989dc4baf67110825054fc30a4c8569414d7e2754b926db9e28ac
results.jsonl19,4 KB69918bf735c5a3ba76bf0bc4c50d3563c4da5177fb00742fab21c21eec9ec88c
specs/official.ipea_td2823.burden_decile_1.json1,9 KB7290103993243ab780d628a82c2b2fda500533de5b5746ef29d61157729c2f22
specs/official.ipea_td2823.burden_decile_10.json1,9 KBf48652a3dd8ae93be386ed5ca50ece3b07669d08b538f9bea2f056c0febf24d1
specs/official.ipea_td2823.burden_mean.json1,9 KBa9fb074ca598ff5e0e847a17563da32c0310981fcc1df1a154f1057abd30810c
specs/official.sis2024.extreme_poverty_2023.json2,4 KBb1517145ab53837d5f234f0b601800c8ae713d774cbbb06dc9a519d340ca2ce6
specs/official.sis2024.gini_2023.json2,3 KB02595aa1dd51f3689d497c9584dce4d2b33a54581a6460140c67f70dc7fa74c9
specs/official.sis2024.poverty_2023.json2,4 KB28afdddfb62eda533e23d5cae59d1c3a8c9283d1a553e2b928afee46e2aba6bb
specs/official.sis2025.extreme_poverty_2024.json2,5 KBf2f5d8ade72eb648a5233239c787961061e237b3a54f32e251eca2499c4a1c99
specs/official.sis2025.gini_2024.json2,3 KBf81790dfe52795671d6c33fe455d7bf90c84a9c351426f927595e5894f2d3c02
specs/official.sis2025.gini_without_programs_2023.json2,5 KBa8755b0341f349aa6ec6dd29481536fa3d1960beff6737208bd2a3b38b3001e4
specs/official.sis2025.gini_without_programs_2024.json2,7 KB40e55df3358686fa646562098bd5d6e6faef53d92b52811eb7d8852388e50c4c
specs/official.sis2025.poverty_2024.json2,5 KB27c71e2a2d4c3c89abf744f81f22b8e879d19f2079f1549cc133bd9d02886b4b
summary.json1,8 KB2d8df1d90ec4dbb9d0a6d5e4decea058cfdf637ff1d9e8624a25d07c8e8579f6
summary.md465 B9062fec969588379b73f9ad379b88421b337abe27bf16b053f0a9466d25db343
tools/registry.json14,3 KB27ebe450c05193ace734f93b9e9cd24a3072c19308bcdb8877b34d71a6d7670b
traces/official.ipea_td2823.burden_decile_1.e1.a1.jsonl53,5 KB0bd0bd92084320da0ce7a7f684b5a0a77c7195af900b90e1d681cdc1f2969990
traces/official.ipea_td2823.burden_decile_10.e1.a1.jsonl53,5 KBcedce2f030cf2e930d0c2acb88d47606e7225d9d08319958ceb5cb11d1e4c17a
traces/official.ipea_td2823.burden_mean.e1.a1.jsonl53,5 KB18a2c29efda0f0ce94d1271b771d786f48617b5ffde3dc085ddec108820df277
traces/official.sis2024.extreme_poverty_2023.e1.a1.jsonl2,5 KB2211321be41ac26d4ee599c3b07881d4bdb5a70453e59b2da3c9f0b32f45581f
traces/official.sis2024.gini_2023.e1.a1.jsonl2,1 KBebbad3f0e73940314621aa0cbaa3134522dd0fd70ef0872ce4571c02163bfb21
traces/official.sis2024.poverty_2023.e1.a1.jsonl2,5 KB4a1a80fb1b6f390c97cbb6daf7d9f89b3becf2aacb3d68f45b660b16ee3a89a1
traces/official.sis2025.gini_without_programs_2023.e1.a1.jsonl2,4 KB37360e303dd146b7f681f1d66a2653fa462d9127a2f6848c6402d76c90edf05c
trajectories/official.ipea_td2823.burden_decile_1.e1.a1.jsonl57,0 KB3adabee5e72767115f5937815574bc67e1fd1a14760c5359be6763cdceeb46bd
trajectories/official.ipea_td2823.burden_decile_10.e1.a1.jsonl57,0 KB6cb6e134b734bc3458de9e7517a929109ad89a13307a9f4c677ed791ecbc8ca6
trajectories/official.ipea_td2823.burden_mean.e1.a1.jsonl57,0 KB1a0c3de03dc740a3b3210ecfc0287a9065ed193adf0e1a3d6876817ac1244bda
trajectories/official.sis2024.extreme_poverty_2023.e1.a1.jsonl4,3 KB387c26a87ec7ec6ab917b0a51d9063bc2a630df922c444b88e1af2dcdbd5ab88
trajectories/official.sis2024.gini_2023.e1.a1.jsonl3,9 KB63903aa7bc89e9b5cb1fb385bcca1dcd96e00edcfe9228a1643474375b4010a8
trajectories/official.sis2024.poverty_2023.e1.a1.jsonl4,3 KB27d6aa2de04c0e80b56344ec58d385dd315751611647c7fd4259094b79b014e6
trajectories/official.sis2025.gini_without_programs_2023.e1.a1.jsonl4,2 KB652f48e3b59bb7b0c65555c7080f4808563dd605e713d7788083e5f7dbc1c49c
verify_bundle.py36,1 KBe529500171e873cc55733c9c44f3a7b8386074c3aad998e6cb27a79b53cddd31
SHA256SUMS3,7 KB41a2118bddb565a5e22576f7be56a69476ff0ba0d02e2eae7853873ef78ed35b

Eventos do registro

Verifique você mesmo

Resumo da execução
41a2118bddb565a5e22576f7be56a69476ff0ba0d02e2eae7853873ef78ed35b
sha256 do arquivo SHA256SUMS; deve ser igual ao run_digest do evento final do registro.

Qualquer pessoa, sem o repositório

  1. Baixe o pacote inteiro e descompacte.
  2. Rode o verificador, que só usa a biblioteca padrão do Python:
    cd 20261015T171414Z-suite-official-scripted-391f79
    python3 verify_bundle.py

Ele confere o hash de cada arquivo, o nome de cada anexo contra seus bytes, a cadeia do registro e o summary.json recalculado a partir de results.jsonl.

Para conferir o resumo:

shasum -a 256 SHA256SUMS   # 41a2118bddb565a5e22576f7be56a69476ff0ba0d02e2eae7853873ef78ed35b

Com acesso ao repositório (privado)

git checkout 2925aeab226272b243436386a1c4e01d97c1377e
uv sync --frozen --all-packages
uv run magi-bench verify bench-runs/20261015T171414Z-suite-official-scripted-391f79

magi-bench verify reconstrói cada tarefa a partir do código, confere os dados, refaz as chamadas de ferramentas, repontua e recalcula o resumo. Sai com 0 quando tudo confere, 2 quando só faltam itens não reexecutáveis listados, 1 em qualquer divergência.