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: 0e953e4b-1946-44e6-950b-84f57cde36a6 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T13:26:54.473667+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
0e953e4b-1946-44e6-950b-84f57cde36a6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:26:54.473667+00:00
db8a982f-9ab5-4c4b-a3b4-7af28d9e6aae	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:26:54.385106+00:00
73f8595b-d6d7-4b96-811f-fe9decdfd8c1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:26:54.279360+00:00
8475d681-2678-4b09-a1a9-d197714bce00	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:26:54.212122+00:00
af1704a5-e5f4-4b28-9d28-6b066ac441f0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:26:54.129187+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3950	##############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3950

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
0e953e4b-1946-44e6-950b-84f57cde36a6	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.473667+00:00
db8a982f-9ab5-4c4b-a3b4-7af28d9e6aae	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.385106+00:00
73f8595b-d6d7-4b96-811f-fe9decdfd8c1	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.279360+00:00
8475d681-2678-4b09-a1a9-d197714bce00	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.212122+00:00
af1704a5-e5f4-4b28-9d28-6b066ac441f0	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.129187+00:00
ad7028d3-0dc6-485f-a9d2-e962a9f55e25	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:54.040822+00:00
ec88d3a2-75c7-486b-842c-b9333df7dfc8	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:53.943698+00:00
e739803f-6c0b-443a-b2a2-f89a437dc532	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:53.893272+00:00
4db31965-e94e-4484-9539-6b6276a2c6b6	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:53.828275+00:00
7e31b931-1d0e-4b4f-b349-ff3f4d8ff0b7	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:26:53.748297+00:00

Cost Frontier

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