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: 25a06525-594f-4fe2-8ef1-35d53e3e289c | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-10T00:42:20.099112+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
25a06525-594f-4fe2-8ef1-35d53e3e289c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:20.099112+00:00
7b69540f-18dd-4948-ad44-789cb874c861	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:20.045999+00:00
37619a08-e0f7-4d7a-8148-44e3828b9a73	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:19.979909+00:00
ed18e1a8-17d4-48f8-ad84-d7ce12f083ce	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:19.876550+00:00
d9590d33-c2d4-41ce-87cf-d7a2b886d7f5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T00:42:19.805011+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4500	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4500

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
25a06525-594f-4fe2-8ef1-35d53e3e289c	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:20.099112+00:00
7b69540f-18dd-4948-ad44-789cb874c861	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:20.045999+00:00
37619a08-e0f7-4d7a-8148-44e3828b9a73	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.979909+00:00
ed18e1a8-17d4-48f8-ad84-d7ce12f083ce	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.876550+00:00
d9590d33-c2d4-41ce-87cf-d7a2b886d7f5	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.805011+00:00
7f60453e-0b08-42d4-963e-9ff894dddea9	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.742912+00:00
d05100e5-7642-4673-b9ef-810ff5507c71	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.701490+00:00
05a36303-af1f-42c9-8f7b-2e35fafe69f8	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.653614+00:00
18584080-50de-42cb-b643-30e8f81bbf8d	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.602251+00:00
f1e4bf19-c66b-4ea0-b45d-fde5777b3fc5	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T00:42:19.523289+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0041  (coder)