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: acd54cc6-9771-48c0-ab2e-01edbe2a24f9 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T12:01:36.686240+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
acd54cc6-9771-48c0-ab2e-01edbe2a24f9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T12:01:36.686240+00:00
151da0be-a7b7-4f17-aa06-42f5aba7015a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T12:01:36.644906+00:00
a571be0c-1ebe-469e-b3cb-12d690dda074	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T12:01:36.594751+00:00
b1b9fa1c-5b5d-4562-8e07-75288b67dd4b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T12:01:36.557453+00:00
b0913c1c-adda-4e12-a308-8539fa8c4a2d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T12:01:36.512276+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3900	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3900

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
acd54cc6-9771-48c0-ab2e-01edbe2a24f9	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.686240+00:00
151da0be-a7b7-4f17-aa06-42f5aba7015a	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.644906+00:00
a571be0c-1ebe-469e-b3cb-12d690dda074	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.594751+00:00
b1b9fa1c-5b5d-4562-8e07-75288b67dd4b	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.557453+00:00
b0913c1c-adda-4e12-a308-8539fa8c4a2d	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.512276+00:00
802939e6-7b76-42d8-96fe-496643f0d68a	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.456423+00:00
b2ba8a94-1437-4082-8389-64ad09644e32	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.396026+00:00
94c7ad63-b246-4e5a-bc83-3d37c2ffd7bc	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.339367+00:00
5e267996-79e9-450f-afeb-1087bfa7ec1c	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.284706+00:00
a48f72c9-5fc0-4c19-bdf5-3257ef114875	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T12:01:36.247847+00:00

Cost Frontier

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