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: 84d0cd35-70d4-4107-b4d1-8efdbcec0e68 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-08T21:29:43.007324+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
84d0cd35-70d4-4107-b4d1-8efdbcec0e68	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-08T21:29:43.007324+00:00
c54fdd2f-fee0-486b-bc2a-604601757018	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-08T21:29:42.922198+00:00
d11d45fd-6cfe-4300-ae00-0e0a9fa10065	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-08T21:29:42.766460+00:00
bf104225-18f3-425f-b0b9-38f994a26f0f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-08T21:29:42.614360+00:00
2a09143f-c705-43aa-8a7b-0dd1a9fae937	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-08T21:29:42.470055+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2750	##############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2750

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
84d0cd35-70d4-4107-b4d1-8efdbcec0e68	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:43.007324+00:00
c54fdd2f-fee0-486b-bc2a-604601757018	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.922198+00:00
d11d45fd-6cfe-4300-ae00-0e0a9fa10065	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.766460+00:00
bf104225-18f3-425f-b0b9-38f994a26f0f	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.614360+00:00
2a09143f-c705-43aa-8a7b-0dd1a9fae937	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.470055+00:00
5e120828-1c08-4efd-9350-1b3b05747a46	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.367288+00:00
e2fc1128-782e-4428-b519-1b761ade4ae2	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.259512+00:00
7167de6a-bb1d-4207-99c4-ff44eccfa4e1	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.188349+00:00
9de9099a-2994-4fe5-aee5-7fcee841ece3	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.115128+00:00
f4eedf8a-b683-452c-a168-d89a0365d876	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-08T21:29:42.023060+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0046  (coder)