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: 88652e22-d679-421a-b04e-7137b2c686ee | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T18:32:44.448236+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
88652e22-d679-421a-b04e-7137b2c686ee	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:44.448236+00:00
20d251eb-4eaa-4557-8c93-fb58e7b179f3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:44.407154+00:00
964a9241-8ee3-49fa-bd5e-a03ffa0be6c9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:44.371412+00:00
a89d68e4-8357-4a9d-9895-43a9c3899786	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:44.336807+00:00
14c4bacf-ea46-4e9e-9fd4-98e43ebbc10b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T18:32:44.287918+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4250	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4250

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
88652e22-d679-421a-b04e-7137b2c686ee	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.448236+00:00
20d251eb-4eaa-4557-8c93-fb58e7b179f3	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.407154+00:00
964a9241-8ee3-49fa-bd5e-a03ffa0be6c9	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.371412+00:00
a89d68e4-8357-4a9d-9895-43a9c3899786	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.336807+00:00
14c4bacf-ea46-4e9e-9fd4-98e43ebbc10b	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.287918+00:00
8fe7785f-61a5-47a2-b635-4dfdf3ccbc56	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.248164+00:00
48d9aa33-de04-42ec-b807-d135e8d9ec07	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.214009+00:00
aa506144-4499-438f-82a0-452e1fb91997	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.180403+00:00
822988be-7a8c-4d1f-8deb-492435490796	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.144966+00:00
1c87e282-528a-4647-bf89-8b062a21f48d	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T18:32:44.106122+00:00

Cost Frontier

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