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: 03be9cab-9c38-433b-8ed8-bb1ed77760b7 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T09:41:07.688826+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
03be9cab-9c38-433b-8ed8-bb1ed77760b7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:07.688826+00:00
ca9febef-75f0-4490-86b8-9e0b1f9f2c35	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:07.629265+00:00
93f0cf36-0367-4ad0-84f6-6e5cb001b04f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:07.553900+00:00
5fb184d2-dafe-4ce8-9edc-79420dce4e2a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:07.487465+00:00
551b56db-1336-4c59-a4e1-df4028dbb11a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T09:41:07.423028+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3800	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3800

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
03be9cab-9c38-433b-8ed8-bb1ed77760b7	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.688826+00:00
ca9febef-75f0-4490-86b8-9e0b1f9f2c35	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.629265+00:00
93f0cf36-0367-4ad0-84f6-6e5cb001b04f	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.553900+00:00
5fb184d2-dafe-4ce8-9edc-79420dce4e2a	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.487465+00:00
551b56db-1336-4c59-a4e1-df4028dbb11a	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.423028+00:00
92a9c460-5300-4847-b84d-a8462a4a39a3	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.352711+00:00
d3ae7825-4e1a-4940-9a51-57fbb695aece	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.270733+00:00
6f494161-98c1-4385-ada9-9787f144e379	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.200691+00:00
15e5f3f4-4a09-4fc2-ac21-2b950cfd70c7	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.136236+00:00
b16b1538-a89e-448e-9bf9-e0f6ae378507	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T09:41:07.062404+00:00

Cost Frontier

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