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: 6d7f017c-d0c8-41de-ab18-6025578cb3f5 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T03:49:34.007152+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6d7f017c-d0c8-41de-ab18-6025578cb3f5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:49:34.007152+00:00
8ea5b8d9-bdd7-4199-bc7f-4a97185f96fb	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:49:33.948536+00:00
8c1d521c-cfca-4a8c-93ff-296ec9e0a433	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:49:33.886361+00:00
079cc6c5-f599-4c79-b7b1-c1d2b6031a27	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:49:33.814824+00:00
1ca4b7bb-104a-4170-bded-8717437ff249	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T03:49:33.735389+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3700	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3700

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6d7f017c-d0c8-41de-ab18-6025578cb3f5	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:34.007152+00:00
8ea5b8d9-bdd7-4199-bc7f-4a97185f96fb	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.948536+00:00
8c1d521c-cfca-4a8c-93ff-296ec9e0a433	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.886361+00:00
079cc6c5-f599-4c79-b7b1-c1d2b6031a27	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.814824+00:00
1ca4b7bb-104a-4170-bded-8717437ff249	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.735389+00:00
0e06b94a-e04b-4361-8440-4959875b4cd7	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.523515+00:00
04ea35b2-f039-47c9-b102-8caf2a20ade7	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.466416+00:00
7b03aee0-e698-49b4-ae77-a5568a87b3d0	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.392843+00:00
ecac5902-e9c8-4b26-9fcb-1aa30460a3d5	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.321401+00:00
358fc8b9-1128-44cf-9a62-cd8c4669684d	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T03:49:33.243181+00:00

Cost Frontier

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