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: 14e17490-de55-423c-9612-6a5a2477a525 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:42:39.962534+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
14e17490-de55-423c-9612-6a5a2477a525	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:39.962534+00:00
e8b24fab-bee1-46e4-9e5f-82b1cb18f00d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:39.870903+00:00
ac3a8190-11ad-43eb-b609-0772ea8963e9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:39.766114+00:00
d859e1c4-1d82-4374-8c78-28cb104c6c05	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:39.682885+00:00
0d7aaefb-d6ee-44f1-8f5d-e77f0365cc89	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:42:39.588673+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4800	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4800

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
14e17490-de55-423c-9612-6a5a2477a525	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.962534+00:00
e8b24fab-bee1-46e4-9e5f-82b1cb18f00d	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.870903+00:00
ac3a8190-11ad-43eb-b609-0772ea8963e9	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.766114+00:00
d859e1c4-1d82-4374-8c78-28cb104c6c05	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.682885+00:00
0d7aaefb-d6ee-44f1-8f5d-e77f0365cc89	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.588673+00:00
55203880-3b7d-4e8e-a847-246699c1600c	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.444711+00:00
d19776f5-2947-4a04-b0f0-f38f32b9464d	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.281214+00:00
2f0c7924-8255-42a8-8257-b7fc0bae552f	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.143377+00:00
6ee83ab8-8219-4345-9efb-0dd29c8d6e39	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:39.010639+00:00
ece708f7-5e58-4163-98c4-a61e95915500	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:42:38.904495+00:00

Cost Frontier

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