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: a651e46f-13c3-43fb-a8a5-f7468c5f1ce0 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T13:49:33.988934+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
a651e46f-13c3-43fb-a8a5-f7468c5f1ce0	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:49:33.988934+00:00
9cea864a-eafb-494f-9de0-d59f20b5e11a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:49:33.794819+00:00
ad7e6f1d-4351-49a4-b740-0df1a6b65df6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:49:33.655654+00:00
b8d551aa-470b-4257-8f44-6dd1c61fd326	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:49:33.524379+00:00
23277b1f-2427-48cb-9ed4-aa280fff9729	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T13:49:33.364113+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	4950	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

4950

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
a651e46f-13c3-43fb-a8a5-f7468c5f1ce0	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.988934+00:00
9cea864a-eafb-494f-9de0-d59f20b5e11a	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.794819+00:00
ad7e6f1d-4351-49a4-b740-0df1a6b65df6	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.655654+00:00
b8d551aa-470b-4257-8f44-6dd1c61fd326	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.524379+00:00
23277b1f-2427-48cb-9ed4-aa280fff9729	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.364113+00:00
f942b227-67ea-407e-a3dc-bed3adbbf8a7	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.188547+00:00
2c6086ca-0007-498e-afbd-5ccf42f53e11	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:33.012774+00:00
87110ed3-5e9a-4e77-a565-8f1f444c83db	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:32.849944+00:00
1850f521-8b18-4240-bb63-d268b866df62	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:32.696211+00:00
650e43e4-381b-4884-bd59-bd70ece6fde9	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T13:49:32.556946+00:00

Cost Frontier

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