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: 2ac98fb9-a987-4e15-91dc-a311b4d718ba | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T14:01:09.851077+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
2ac98fb9-a987-4e15-91dc-a311b4d718ba	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:09.851077+00:00
998bc1b0-1192-4ba1-8dce-df76bafb1a60	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:09.746715+00:00
26174b61-17aa-402d-897f-dc2bb55fecaa	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:09.649607+00:00
6236b236-25f0-4a15-91db-111ba8128e22	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:09.574704+00:00
715c1d7c-9f3c-4335-9632-3e9dcea21970	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:09.488802+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5150	##############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5150

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
2ac98fb9-a987-4e15-91dc-a311b4d718ba	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.851077+00:00
998bc1b0-1192-4ba1-8dce-df76bafb1a60	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.746715+00:00
26174b61-17aa-402d-897f-dc2bb55fecaa	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.649607+00:00
6236b236-25f0-4a15-91db-111ba8128e22	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.574704+00:00
715c1d7c-9f3c-4335-9632-3e9dcea21970	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.488802+00:00
23c1bb5b-0ae3-4a55-a8d6-d306eb6a473e	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.397099+00:00
ff3921bd-2674-4050-b3f5-e402a079d50c	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.221497+00:00
b77d2595-5040-4057-a584-275b7163af80	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:09.046867+00:00
b937cf73-3d09-4f5e-870f-2f6f36d1e142	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:08.909898+00:00
dc8a521f-ab49-42bf-8e38-9717a6a60784	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:08.793997+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0040  (coder)