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: 168014d9-8916-4979-9799-a670ad118e7c | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T19:41:05.703169+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
168014d9-8916-4979-9799-a670ad118e7c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T19:41:05.703169+00:00
7cfd846e-7402-483d-ad5f-f1659eb04129	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T19:41:05.626456+00:00
36392107-ac75-4ace-bb0e-9338c8c8dec6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T19:41:05.554409+00:00
daed850f-c55c-4764-b89e-4d071bafbe5d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T19:41:05.455187+00:00
8cabf15a-663a-48ef-a501-e4a26f20fb42	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T19:41:05.380189+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4400	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4400

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
168014d9-8916-4979-9799-a670ad118e7c	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.703169+00:00
7cfd846e-7402-483d-ad5f-f1659eb04129	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.626456+00:00
36392107-ac75-4ace-bb0e-9338c8c8dec6	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.554409+00:00
daed850f-c55c-4764-b89e-4d071bafbe5d	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.455187+00:00
8cabf15a-663a-48ef-a501-e4a26f20fb42	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.380189+00:00
9c090ef2-0d25-4701-ab90-4226347fa492	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.302090+00:00
ec56ac6d-9a75-40cb-bb79-95a639ad0fe5	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.221440+00:00
04963a99-f73f-4c16-98e6-dfac2084a8b5	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.134342+00:00
34895d68-3eaa-4845-8c37-07febd024174	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:05.062419+00:00
f575bcb0-e6c1-472b-92a7-43a19df044ce	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T19:41:04.989845+00:00

Cost Frontier

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