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: 2b832e01-0f05-4f08-8bd7-d876f59d36ed | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T18:32:48.494423+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
2b832e01-0f05-4f08-8bd7-d876f59d36ed	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:48.494423+00:00
c1915d5a-29fa-48dc-b0b0-20810efe2a7a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:48.381335+00:00
c4ae0ee7-ffd5-4daf-bcf1-86dfcd0d8f51	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:48.280927+00:00
c7f09c17-91fb-4b1d-b9aa-c63ab054abc4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:48.225147+00:00
ad8834f6-63cc-45f0-8ab8-47e81c4cc1ec	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:48.159786+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4300	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4300

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
2b832e01-0f05-4f08-8bd7-d876f59d36ed	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.494423+00:00
c1915d5a-29fa-48dc-b0b0-20810efe2a7a	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.381335+00:00
c4ae0ee7-ffd5-4daf-bcf1-86dfcd0d8f51	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.280927+00:00
c7f09c17-91fb-4b1d-b9aa-c63ab054abc4	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.225147+00:00
ad8834f6-63cc-45f0-8ab8-47e81c4cc1ec	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.159786+00:00
2c3870ad-fc14-4cd8-b26f-7455ca693d0d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.088171+00:00
a03c2e23-358f-4fc4-ac55-5a5273a39d20	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:48.027387+00:00
25d86b61-206e-4365-abd6-bba4042dfe72	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:47.992547+00:00
b3a8c3d5-3c08-46d7-a3e5-a6f085f0ff57	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:47.946931+00:00
44eee5fb-607a-45a1-8ff0-1ff831d35262	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:47.910045+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0042  (coder)