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: 7fd7a70a-6094-4a4c-b1af-a98ea7f23d55 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T01:15:13.593964+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
7fd7a70a-6094-4a4c-b1af-a98ea7f23d55	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T01:15:13.593964+00:00
4ee0a91f-93b6-4344-ad6a-a86606b7eaca	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T01:15:13.485252+00:00
bac98d64-02c9-45ed-a8c7-c4b32a5d513b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T01:15:13.384609+00:00
ee1328c0-1bf4-4898-938f-0c2c82d05c58	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T01:15:13.294205+00:00
9c1af951-3c30-4963-96e9-8b01db43c62f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T01:15:13.206306+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3250	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3250

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
7fd7a70a-6094-4a4c-b1af-a98ea7f23d55	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.593964+00:00
4ee0a91f-93b6-4344-ad6a-a86606b7eaca	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.485252+00:00
bac98d64-02c9-45ed-a8c7-c4b32a5d513b	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.384609+00:00
ee1328c0-1bf4-4898-938f-0c2c82d05c58	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.294205+00:00
9c1af951-3c30-4963-96e9-8b01db43c62f	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.206306+00:00
5a677b0f-20a6-4385-8345-2219a95641e7	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:13.088996+00:00
afd3c175-d8d4-48e0-be27-f940abbba8a8	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:12.988797+00:00
2e62d632-8af9-4a6f-b5cc-44f062942883	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:12.886073+00:00
14790832-3929-47c1-aa47-ba19c837c6bc	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:12.769659+00:00
cd84ceb2-7953-463b-9b0a-bf3bb6eacaeb	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T01:15:12.682844+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0045  (coder)