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: d355ea7c-6157-48f2-a593-c2790c600c45 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T02:54:49.767049+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
d355ea7c-6157-48f2-a593-c2790c600c45	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:49.767049+00:00
52635da9-9939-4f6c-ad61-4ac68da1fbbe	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:49.548994+00:00
a27826b4-02d9-463c-af8a-421e0b81aa38	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:49.350555+00:00
8c75ff2b-4eea-4bf4-8879-0fb0e7343aae	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:49.177291+00:00
2f955ff0-a961-4faf-a80e-d6abaf4ab596	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:54:48.931021+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3500	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3500

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
d355ea7c-6157-48f2-a593-c2790c600c45	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:49.767049+00:00
52635da9-9939-4f6c-ad61-4ac68da1fbbe	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:49.548994+00:00
a27826b4-02d9-463c-af8a-421e0b81aa38	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:49.350555+00:00
8c75ff2b-4eea-4bf4-8879-0fb0e7343aae	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:49.177291+00:00
2f955ff0-a961-4faf-a80e-d6abaf4ab596	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:48.931021+00:00
7d470c5b-eaf3-4b30-ae51-662b5445b2ef	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:48.721126+00:00
40e7e65f-0b7c-414b-957f-bb89e4a61522	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:48.408212+00:00
806ac8ee-6716-4d16-8a0b-d57b2acff9aa	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:48.067059+00:00
2540e488-81da-4a20-8dd8-880b0c9ef5b5	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:47.846430+00:00
0d5f0a08-4d49-4bd2-aff1-5f8abfef910c	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:54:47.550450+00:00

Cost Frontier

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