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: ec9c00fc-7d6d-44c5-8c75-942417abf0b6 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-07T23:45:03.495022+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
ec9c00fc-7d6d-44c5-8c75-942417abf0b6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:03.495022+00:00
103257d8-148e-405b-8c18-28734996a25a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:03.383286+00:00
91021f5b-490b-4649-8c7f-0a157826ad39	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:03.268888+00:00
3ad496ac-9043-4083-b079-41596b5b0390	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:03.129846+00:00
de57afdb-0d98-441f-8865-2df14a9324c2	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-07T23:45:03.018128+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2550	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2550

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
ec9c00fc-7d6d-44c5-8c75-942417abf0b6	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:03.495022+00:00
103257d8-148e-405b-8c18-28734996a25a	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:03.383286+00:00
91021f5b-490b-4649-8c7f-0a157826ad39	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:03.268888+00:00
3ad496ac-9043-4083-b079-41596b5b0390	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:03.129846+00:00
de57afdb-0d98-441f-8865-2df14a9324c2	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:03.018128+00:00
7458eb0c-b967-4a34-8359-e9b920ae86a0	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:02.902968+00:00
8299f2a6-8db0-44ba-bdcc-4c78050c8e2e	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:02.781665+00:00
27b2ce92-1d28-4572-9bdb-fa444e873ed9	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:02.665778+00:00
ee4f90f2-b909-4205-8eca-645d540b3a29	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:02.555832+00:00
62c48e5b-5cc5-47cc-8e73-30732f99a2ee	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-07T23:45:02.443713+00:00

Cost Frontier

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