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: d0452176-b6d9-4758-9b35-6f84be3b1368 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:48:33.591038+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
d0452176-b6d9-4758-9b35-6f84be3b1368	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:33.591038+00:00
de34f7ff-a763-464c-8a71-c606dc98e482	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:33.405829+00:00
54721ca8-0925-4b9f-9bb4-d4b4c47a8b79	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:33.227457+00:00
59e9552c-5c6e-4888-a537-99580c078bf5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:33.032531+00:00
4e8acd7f-2257-4154-8b11-068cd9e508dd	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:32.890706+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4850	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4850

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
d0452176-b6d9-4758-9b35-6f84be3b1368	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:33.591038+00:00
de34f7ff-a763-464c-8a71-c606dc98e482	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:33.405829+00:00
54721ca8-0925-4b9f-9bb4-d4b4c47a8b79	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:33.227457+00:00
59e9552c-5c6e-4888-a537-99580c078bf5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:33.032531+00:00
4e8acd7f-2257-4154-8b11-068cd9e508dd	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.890706+00:00
a630379a-ee72-4643-aefa-5dc5ce87ab62	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.720364+00:00
85262678-8af1-4302-baa8-52b9097bab30	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.572735+00:00
7a85e2eb-df3c-4c35-80ed-2f1a93a49298	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.378985+00:00
fbedc9c6-89f3-4fc3-a993-90ca957c582c	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.200904+00:00
cfebf495-a231-4035-ad48-d4868779bc66	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:32.037077+00:00

Cost Frontier

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