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: 9cb7dc85-3472-43f3-9cf3-d628c7ce68f3 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T13:27:00.739166+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
9cb7dc85-3472-43f3-9cf3-d628c7ce68f3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:27:00.739166+00:00
986ff27f-fe16-41ef-b371-9d6833a0ab1f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:27:00.699392+00:00
1dc3f07f-b74d-4b6e-84ee-1fe693b3723e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:27:00.658791+00:00
4eec013f-f305-4e37-bc4e-ac8e075e21f8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:27:00.613594+00:00
61cb4197-2527-427e-a23a-ef5fd7cd6a2e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T13:27:00.555398+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4000	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4000

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
9cb7dc85-3472-43f3-9cf3-d628c7ce68f3	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.739166+00:00
986ff27f-fe16-41ef-b371-9d6833a0ab1f	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.699392+00:00
1dc3f07f-b74d-4b6e-84ee-1fe693b3723e	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.658791+00:00
4eec013f-f305-4e37-bc4e-ac8e075e21f8	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.613594+00:00
61cb4197-2527-427e-a23a-ef5fd7cd6a2e	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.555398+00:00
c2e62d44-8535-4b8b-a75a-d64a29b6491d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.431559+00:00
157f847d-74b0-4e65-bde7-fff85e6dec2e	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.339408+00:00
ed761426-7712-4824-bfb4-73f095ff0467	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.228253+00:00
4f81e1f8-2d23-4e02-999a-86417396fdc4	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.117016+00:00
e909fd0c-8cee-4a6a-9f8e-325d8d2aa92d	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T13:27:00.064938+00:00

Cost Frontier

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