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: 77872ddc-98a0-4091-b246-03e54928fbd6 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:41:32.595345+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
77872ddc-98a0-4091-b246-03e54928fbd6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:32.595345+00:00
40d4a9f9-0c6c-4118-96f5-cd3430ef9c06	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:32.477011+00:00
6f0af2df-8747-4338-a158-c52c4a31dc80	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:32.339873+00:00
227147c0-e786-48ed-8e65-34d53a436138	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:32.127982+00:00
3db53a9e-4ff6-4c23-aaa5-a38aae0a1883	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:41:31.874109+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4700	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4700

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
77872ddc-98a0-4091-b246-03e54928fbd6	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:32.595345+00:00
40d4a9f9-0c6c-4118-96f5-cd3430ef9c06	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:32.477011+00:00
6f0af2df-8747-4338-a158-c52c4a31dc80	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:32.339873+00:00
227147c0-e786-48ed-8e65-34d53a436138	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:32.127982+00:00
3db53a9e-4ff6-4c23-aaa5-a38aae0a1883	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.874109+00:00
e89b448e-21aa-47f1-ba9b-ef5a38efb3fd	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.680877+00:00
22464db9-edd6-4bf8-bed2-81a4bb0b3da2	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.487100+00:00
ec37706a-bb96-48dd-a710-985494ef1b51	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.360638+00:00
def63d0c-050b-49f5-8099-094ead18197f	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.176525+00:00
e75b7bbc-93a0-4180-9993-7b24d7a22058	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:41:31.081876+00:00

Cost Frontier

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