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: 9e778fb4-f253-4295-ae5c-7eaa3b49f641 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-10T00:42:15.635833+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
9e778fb4-f253-4295-ae5c-7eaa3b49f641	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:15.635833+00:00
880cbbe3-bf04-4824-80a2-e692acd34676	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:15.587280+00:00
8620bd94-6eaf-4060-bcb0-f0ab62f21586	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:15.554066+00:00
c5a91796-6dab-4223-ab4a-d90d9404eb38	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:15.504679+00:00
7fb3db93-91b6-4d34-90b6-bc72227fda65	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:15.462957+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4450	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4450

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
9e778fb4-f253-4295-ae5c-7eaa3b49f641	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.635833+00:00
880cbbe3-bf04-4824-80a2-e692acd34676	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.587280+00:00
8620bd94-6eaf-4060-bcb0-f0ab62f21586	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.554066+00:00
c5a91796-6dab-4223-ab4a-d90d9404eb38	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.504679+00:00
7fb3db93-91b6-4d34-90b6-bc72227fda65	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.462957+00:00
104f4b48-7228-4502-bb17-96f7593428dc	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.422153+00:00
014cd272-9f3d-47e4-9857-8dddab2db1d0	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.378572+00:00
6acb8aa4-1f98-4d5e-88ad-c4aa92ae94e2	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.346070+00:00
dba0e337-69d8-45cd-8fff-27179b84a91a	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.298044+00:00
67247d52-3936-4343-8c64-a753108b3c86	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:15.266119+00:00

Cost Frontier

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