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: f323e856-afcf-49ab-8e22-6aed289aeca8 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T03:01:02.000645+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
f323e856-afcf-49ab-8e22-6aed289aeca8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:02.000645+00:00
e24369b4-ea71-4be1-9589-fb81f832593d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:01.915276+00:00
9a42c11e-4bc8-4d80-9ce2-bd79b706d187	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:01.800790+00:00
dab1b1c7-61e1-428a-9c1e-4020df369645	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:01.716229+00:00
8626b951-c4dd-4aee-813e-29ba28eb62e3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:01.596907+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3550	##############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3550

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
f323e856-afcf-49ab-8e22-6aed289aeca8	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:02.000645+00:00
e24369b4-ea71-4be1-9589-fb81f832593d	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.915276+00:00
9a42c11e-4bc8-4d80-9ce2-bd79b706d187	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.800790+00:00
dab1b1c7-61e1-428a-9c1e-4020df369645	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.716229+00:00
8626b951-c4dd-4aee-813e-29ba28eb62e3	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.596907+00:00
c52fe754-9aa7-4748-8fb9-75edb23d68ca	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.490032+00:00
38af3163-9230-4c06-885d-b26d2effcf0d	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.377305+00:00
9b81333d-1283-48e1-876f-f6383099aee7	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.272894+00:00
d7f0c2c7-acaa-4cde-8be3-f86c8fa32293	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.147833+00:00
958bb028-2145-481f-99d9-bfc986419ba3	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:01.017551+00:00

Cost Frontier

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