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: b0445055-e164-49b7-8dc5-41f3a635b3bd | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T14:36:59.886912+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
b0445055-e164-49b7-8dc5-41f3a635b3bd	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:36:59.886912+00:00
6012a8da-62b3-45bf-b753-ccd2f8c00c65	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:36:59.760178+00:00
edd2cecb-092a-4806-b534-a222606ed262	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:36:59.635749+00:00
3c6ebdf6-2c94-4ec0-bcba-82b838feaa35	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:36:59.493216+00:00
112f7604-81d0-4d5f-9a72-cd795a2d4ad3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T14:36:59.374901+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4150	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4150

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
b0445055-e164-49b7-8dc5-41f3a635b3bd	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.886912+00:00
6012a8da-62b3-45bf-b753-ccd2f8c00c65	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.760178+00:00
edd2cecb-092a-4806-b534-a222606ed262	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.635749+00:00
3c6ebdf6-2c94-4ec0-bcba-82b838feaa35	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.493216+00:00
112f7604-81d0-4d5f-9a72-cd795a2d4ad3	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.374901+00:00
119adf64-665a-404d-85c6-c144609660b4	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.260526+00:00
051eb2eb-2da5-4a92-b618-e09bed9b0b7a	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.137475+00:00
cae31be6-90ee-4981-89a1-c77cde40ff2b	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:59.019851+00:00
75497217-56d0-421f-abee-d23db47dccec	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:58.696605+00:00
b5409a99-3362-4270-b318-030c0f310645	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T14:36:58.567449+00:00

Cost Frontier

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