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: b802c96d-c83b-4418-b818-6b7e8cf128b4 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T09:41:01.956521+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
b802c96d-c83b-4418-b818-6b7e8cf128b4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:01.956521+00:00
bd730e90-1f72-494e-bf8a-70bf033cfed0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:01.892940+00:00
118cf2cb-df4f-4213-9689-b6e18dc401c5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:01.810489+00:00
41f89251-9ff3-473d-a566-eee514be8bc0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:01.742053+00:00
308ee930-5295-4133-a7b4-e65b5c96c096	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:01.680574+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3750	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3750

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
b802c96d-c83b-4418-b818-6b7e8cf128b4	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.956521+00:00
bd730e90-1f72-494e-bf8a-70bf033cfed0	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.892940+00:00
118cf2cb-df4f-4213-9689-b6e18dc401c5	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.810489+00:00
41f89251-9ff3-473d-a566-eee514be8bc0	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.742053+00:00
308ee930-5295-4133-a7b4-e65b5c96c096	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.680574+00:00
f9937e63-873b-4fba-84d7-e47078ce5971	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.622489+00:00
fb313764-07ff-4335-89a5-2036a6aa4e3b	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.565205+00:00
1576fab1-9a2b-4fe9-8dec-f36879ace141	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.502326+00:00
409997d6-7335-4aa0-8450-76566783fa20	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.409127+00:00
5849a088-6dd1-4448-9952-1d9113ccf162	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:01.351527+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0043  (coder)