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: dfb1fa32-76e9-434b-91a7-37e1930609ae | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T03:01:11.742207+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
dfb1fa32-76e9-434b-91a7-37e1930609ae	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:11.742207+00:00
bf9ac09a-29f9-471a-948a-da67d91b8133	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:11.652529+00:00
89b96ddd-71d3-4144-8d10-ab44783fe48c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:11.577124+00:00
4a878406-6067-44aa-8522-2638fa8732ad	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:11.488280+00:00
6a3fbe26-cbe8-454b-8150-fb9af29762c3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:01:11.372640+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3600	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3600

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
dfb1fa32-76e9-434b-91a7-37e1930609ae	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.742207+00:00
bf9ac09a-29f9-471a-948a-da67d91b8133	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.652529+00:00
89b96ddd-71d3-4144-8d10-ab44783fe48c	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.577124+00:00
4a878406-6067-44aa-8522-2638fa8732ad	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.488280+00:00
6a3fbe26-cbe8-454b-8150-fb9af29762c3	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.372640+00:00
14ec3011-f61a-4af5-a9f2-28ee84c154d5	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.262759+00:00
0485ddb9-00b1-4107-9472-fdf2143decaa	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.131341+00:00
61685da6-3bf2-46d0-b487-de7e9b09c01a	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:11.009194+00:00
ee41999c-331c-4933-be4a-ad14bbc942b9	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:10.886096+00:00
8a969c7c-d7f5-4de1-85e7-b5b964c69d09	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:01:10.748702+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0044  (coder)