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: 5c7781e1-bcc8-4bfe-850d-09d8656a3711 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-10T02:43:10.019746+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
5c7781e1-bcc8-4bfe-850d-09d8656a3711	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:10.019746+00:00
6a5e34db-5389-4c0a-a97c-461d95b0e7c8	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:09.963537+00:00
b0c61845-7cb0-4a32-bc44-3bc8284283b9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:09.924012+00:00
91439795-3c97-4fb7-97dc-1478dd8634a7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:09.861621+00:00
f23119e5-00c8-434d-9371-d0c749e957ac	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-10T02:43:09.799926+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4550	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4550

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
5c7781e1-bcc8-4bfe-850d-09d8656a3711	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:10.019746+00:00
6a5e34db-5389-4c0a-a97c-461d95b0e7c8	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.963537+00:00
b0c61845-7cb0-4a32-bc44-3bc8284283b9	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.924012+00:00
91439795-3c97-4fb7-97dc-1478dd8634a7	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.861621+00:00
f23119e5-00c8-434d-9371-d0c749e957ac	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.799926+00:00
02f41187-1a5c-48bc-b175-79cc35b65949	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.741418+00:00
f4579406-a9a6-432a-a530-5d8a186ed609	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.691407+00:00
363d10f3-9889-4d7f-a9b7-46cb4fcbeb52	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.639707+00:00
4a39bd65-3163-4375-84ac-46d2cd2c11cc	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.578274+00:00
dfee1029-297c-46bd-8044-c25c4b9f6697	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-10T02:43:09.529822+00:00

Cost Frontier

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