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: a02e1c63-b6bc-4b00-9faa-35c5d0af6c5f | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:48:47.670252+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
a02e1c63-b6bc-4b00-9faa-35c5d0af6c5f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:47.670252+00:00
fd18be1c-0b6e-4b96-8ff2-4ea3b42d3cd2	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:47.489457+00:00
8020d591-e649-4d18-a931-a1c060dad485	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:47.291225+00:00
533cdeb1-9a7c-4a7f-a0cd-dfdf33c707af	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:47.101543+00:00
476015c2-95e6-4aa1-bdce-38551a890c76	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:48:46.934203+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4900	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4900

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
a02e1c63-b6bc-4b00-9faa-35c5d0af6c5f	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:47.670252+00:00
fd18be1c-0b6e-4b96-8ff2-4ea3b42d3cd2	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:47.489457+00:00
8020d591-e649-4d18-a931-a1c060dad485	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:47.291225+00:00
533cdeb1-9a7c-4a7f-a0cd-dfdf33c707af	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:47.101543+00:00
476015c2-95e6-4aa1-bdce-38551a890c76	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.934203+00:00
ec5a6e82-01b7-45ae-9ced-806e960a8c6d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.748368+00:00
b7fcc225-549f-471f-ade2-7fc56b84f8ee	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.563860+00:00
3952885c-f876-4620-8caf-2caee91a20fa	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.371528+00:00
b092b025-3e3f-46a1-a66a-cb42923a2061	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.188581+00:00
949837e5-c2af-49d9-be32-70fba570d644	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:48:46.000468+00:00

Cost Frontier

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