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: 6cc1970f-034b-4e00-b776-445ce6c0a8d7 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-07T23:45:12.760663+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6cc1970f-034b-4e00-b776-445ce6c0a8d7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:12.760663+00:00
e5f113d5-095d-436d-96f2-ffabf4048a55	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:12.483929+00:00
11d5a8e0-1047-4803-9707-8d08a80691dc	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:12.366045+00:00
95f94986-9060-48ef-bc31-482072734115	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:12.253622+00:00
576123b1-480e-4dc6-9c6e-bc92d4f7d062	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:12.141683+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2600	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2600

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6cc1970f-034b-4e00-b776-445ce6c0a8d7	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.760663+00:00
e5f113d5-095d-436d-96f2-ffabf4048a55	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.483929+00:00
11d5a8e0-1047-4803-9707-8d08a80691dc	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.366045+00:00
95f94986-9060-48ef-bc31-482072734115	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.253622+00:00
576123b1-480e-4dc6-9c6e-bc92d4f7d062	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.141683+00:00
0d6f9596-c8ae-414a-a267-898482821306	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:12.028943+00:00
59a41778-ecdf-48f6-99d0-83d124f72466	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:11.917313+00:00
4546f912-3a93-4129-85cc-ec753dd96372	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:11.807661+00:00
97a49f95-5357-4b33-af71-c6516d1a4c82	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:11.698570+00:00
f6bbe1c6-b77c-4b01-8e63-5aa4f85b65e7	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:11.590156+00:00

Cost Frontier

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