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: bae3a30e-1859-477d-b1ac-164b31755d5a | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-10T02:43:14.506255+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
bae3a30e-1859-477d-b1ac-164b31755d5a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:14.506255+00:00
699d5194-4dd3-4d00-b4ee-bbc7414c4cd4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:14.457705+00:00
0f228b6e-4434-4252-8c8b-0d5dabfbf21f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:14.405345+00:00
ce25d7e3-2273-4e65-b08c-a307ede74245	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:14.352614+00:00
9cdacb9a-08ef-431b-b4c0-4810d50f2b1e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:14.285120+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4600	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4600

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
bae3a30e-1859-477d-b1ac-164b31755d5a	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.506255+00:00
699d5194-4dd3-4d00-b4ee-bbc7414c4cd4	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.457705+00:00
0f228b6e-4434-4252-8c8b-0d5dabfbf21f	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.405345+00:00
ce25d7e3-2273-4e65-b08c-a307ede74245	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.352614+00:00
9cdacb9a-08ef-431b-b4c0-4810d50f2b1e	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.285120+00:00
0718f7e2-3143-4478-8323-e8b8837a7e42	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.236961+00:00
2cc61b84-d8b4-4d42-acad-8ad8b87d5e1b	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.193830+00:00
82e38337-4870-4d25-95b2-9707e3be2170	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.144349+00:00
f7fd2c21-ae7a-4e20-a280-ee1e6712145c	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.096030+00:00
6d5a5dda-ee20-4737-acc6-d11ca318b363	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:14.044063+00:00

Cost Frontier

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