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: 42e88ffe-dd13-4860-85d0-41b282ea961b | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T14:20:56.301353+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
42e88ffe-dd13-4860-85d0-41b282ea961b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:20:56.301353+00:00
3d2bdd24-3940-4760-b79d-ad06671b7a00	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:20:56.216571+00:00
7cd3de29-3c31-4d89-9ffb-7abcef35aed6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:20:56.146298+00:00
124a4764-4387-42c2-bea9-863732457476	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:20:56.047750+00:00
8b958bec-370c-49c8-928d-600be1567b21	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:20:55.974990+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4050	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4050

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
42e88ffe-dd13-4860-85d0-41b282ea961b	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:56.301353+00:00
3d2bdd24-3940-4760-b79d-ad06671b7a00	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:56.216571+00:00
7cd3de29-3c31-4d89-9ffb-7abcef35aed6	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:56.146298+00:00
124a4764-4387-42c2-bea9-863732457476	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:56.047750+00:00
8b958bec-370c-49c8-928d-600be1567b21	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.974990+00:00
9655ef93-12e4-4dd0-9c7f-87caf3dfc67e	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.865449+00:00
38f45a2c-ee28-457d-849c-57d4b7b3a400	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.789677+00:00
1c3dbeb6-63b9-479a-a624-4c44ddff70c8	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.700614+00:00
c108ba2d-9f48-40da-b2f2-09cf1822136c	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.621863+00:00
fb2e2d1d-f124-4cbb-8db7-e3bcbced09ca	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:20:55.526480+00:00

Cost Frontier

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