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: b12515f5-8b72-4aba-9016-25df412e16f2 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T02:54:33.486529+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
b12515f5-8b72-4aba-9016-25df412e16f2	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:33.486529+00:00
200a6c81-0e67-436f-a2cc-52f64c950a19	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:33.268711+00:00
c725ddf3-5722-4cd8-b7fb-430146e00ac0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:33.084960+00:00
bd5c5ed5-4d28-4452-9e63-fd3b4d3d0eb1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:32.952546+00:00
b0683ac9-a989-4101-90e3-88e9c471e2e8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:32.754557+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3450	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3450

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
b12515f5-8b72-4aba-9016-25df412e16f2	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:33.486529+00:00
200a6c81-0e67-436f-a2cc-52f64c950a19	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:33.268711+00:00
c725ddf3-5722-4cd8-b7fb-430146e00ac0	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:33.084960+00:00
bd5c5ed5-4d28-4452-9e63-fd3b4d3d0eb1	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:32.952546+00:00
b0683ac9-a989-4101-90e3-88e9c471e2e8	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:32.754557+00:00
7610942b-cced-405a-b434-09c1013cb16c	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:32.518220+00:00
0eae859a-9600-4004-86e6-6aee6f310ca9	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:32.279212+00:00
21300c06-1e22-4b90-8674-194ae2110881	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:32.088471+00:00
f592fe0f-d4ce-4714-bc54-7463ff023117	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:31.927248+00:00
2d8f8f44-95f1-41b9-b464-8e81638765cb	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:31.742239+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0044  (coder)