Eval Report: ci-post-merge

Profile: gdm-swebench-lite-v1 | Tasks: 50 | Pass rate: 100.0% | Cost: $0.0500

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010
python-refactor-easy-001	easy	0.740	✓	$0.0010
typescript-refactor-easy-001	easy	0.740	✓	$0.0010
python-config-easy-001	easy	0.740	✓	$0.0010
typescript-config-easy-001	easy	0.740	✓	$0.0010
python-recovery-easy-001	easy	0.740	✓	$0.0010
typescript-recovery-easy-001	easy	0.740	✓	$0.0010
python-dependency-easy-001	easy	0.740	✓	$0.0010
typescript-dependency-easy-001	easy	0.740	✓	$0.0010
python-explain-easy-001	easy	0.740	✓	$0.0010
typescript-explain-easy-001	easy	0.740	✓	$0.0010
python-security-fix-medium-001	medium	0.740	✓	$0.0010
shell-security-fix-medium-001	medium	0.740	✓	$0.0010
python-bugfix-medium-001	medium	0.740	✓	$0.0010
shell-bugfix-medium-001	medium	0.740	✓	$0.0010
python-performance-medium-001	medium	0.740	✓	$0.0010
shell-performance-medium-001	medium	0.740	✓	$0.0010
python-test-writing-medium-001	medium	0.740	✓	$0.0010
shell-test-writing-medium-001	medium	0.740	✓	$0.0010
python-multi-file-medium-001	medium	0.740	✓	$0.0010
shell-multi-file-medium-001	medium	0.740	✓	$0.0010
python-refactor-medium-001	medium	0.740	✓	$0.0010
shell-refactor-medium-001	medium	0.740	✓	$0.0010
python-config-medium-001	medium	0.740	✓	$0.0010
shell-config-medium-001	medium	0.740	✓	$0.0010
python-recovery-medium-001	medium	0.740	✓	$0.0010
shell-recovery-medium-001	medium	0.740	✓	$0.0010
python-dependency-medium-001	medium	0.740	✓	$0.0010
shell-dependency-medium-001	medium	0.740	✓	$0.0010
python-explain-medium-001	medium	0.740	✓	$0.0010
shell-explain-medium-001	medium	0.740	✓	$0.0010
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: 88b86484-3953-4fb0-8dcd-01132b9d33d9 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-07T23:30:11.326922+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
88b86484-3953-4fb0-8dcd-01132b9d33d9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:30:11.326922+00:00
279b7aef-97e8-4345-b45e-9658ec333065	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:30:11.244499+00:00
695d4edb-fe59-4cc7-8c8e-941ed6ccc91d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:30:11.152576+00:00
871fe6ab-4791-4184-9a20-dde675b6d9d5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:30:11.051834+00:00
8d6dc710-825f-4abf-8af7-efd6acc57942	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:30:10.973331+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2450	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2450

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
88b86484-3953-4fb0-8dcd-01132b9d33d9	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:11.326922+00:00
279b7aef-97e8-4345-b45e-9658ec333065	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:11.244499+00:00
695d4edb-fe59-4cc7-8c8e-941ed6ccc91d	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:11.152576+00:00
871fe6ab-4791-4184-9a20-dde675b6d9d5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:11.051834+00:00
8d6dc710-825f-4abf-8af7-efd6acc57942	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.973331+00:00
b09db729-273e-4c98-8541-a1543bb2f98e	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.888188+00:00
e276e0b2-421a-40c3-b0d1-f8eecc8ef186	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.817910+00:00
7cdc3302-109b-4bb3-81dd-cbd0a6a09e34	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.722939+00:00
96071988-2dec-478e-b3e1-58e574e2d8d8	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.629244+00:00
3dabdfa7-1895-41ef-8c3a-9cc0d98eb5a2	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:30:10.521071+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0047  (coder)