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: 8c845c31-140a-42f5-9e17-6b9a1223b737 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:43:40.145223+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
8c845c31-140a-42f5-9e17-6b9a1223b737	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:43:40.145223+00:00
d298d127-ef09-4bcd-8adc-5789bd821fe5	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:43:40.046588+00:00
76adae7e-dd39-4a03-9c2f-3200cc4be3a1	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:43:39.939171+00:00
0ea29da3-d371-4b55-a661-e3112b82b97f	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:43:39.826322+00:00
bedaffb1-5ce6-4c03-881c-d2a4fc11e3d4	coder	07ca25bc2d511f5aee15446c60081c184e9c9122	0.740	2026-05-23T20:43:39.718891+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	7030	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

7030

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
8c845c31-140a-42f5-9e17-6b9a1223b737	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:40.145223+00:00
d298d127-ef09-4bcd-8adc-5789bd821fe5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:40.046588+00:00
76adae7e-dd39-4a03-9c2f-3200cc4be3a1	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.939171+00:00
0ea29da3-d371-4b55-a661-e3112b82b97f	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.826322+00:00
bedaffb1-5ce6-4c03-881c-d2a4fc11e3d4	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.718891+00:00
1eced3e3-9931-4d60-9ee2-317a3fe9e01d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.606209+00:00
3f6aff63-adb0-484e-a686-d744a35fe4ab	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.495899+00:00
a19fbe2d-097b-408c-a39a-500e2df38bcb	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.392745+00:00
3135f0dd-ddb8-41a3-bc5b-b3d6c29ed8d8	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.273418+00:00
e9915f6a-6cc3-4cf5-b635-c11c09f0c470	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:43:39.174372+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0036  (coder)