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: 163e4463-47e1-4e65-8ade-61cb72e66fbb | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:01:06.502511+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
163e4463-47e1-4e65-8ade-61cb72e66fbb	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:06.502511+00:00
4884cb4f-7f7e-4522-8965-8ee148afa449	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:06.436023+00:00
2e874480-4d26-494f-9eb9-a8d3e7f53dc1	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:06.377990+00:00
7dda874a-a3a7-41e3-9faf-1dcd621812ff	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:06.320434+00:00
2f0a9b43-df8c-4bd6-9fda-33f56a48955a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:01:06.253444+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5350	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5350

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
163e4463-47e1-4e65-8ade-61cb72e66fbb	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.502511+00:00
4884cb4f-7f7e-4522-8965-8ee148afa449	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.436023+00:00
2e874480-4d26-494f-9eb9-a8d3e7f53dc1	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.377990+00:00
7dda874a-a3a7-41e3-9faf-1dcd621812ff	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.320434+00:00
2f0a9b43-df8c-4bd6-9fda-33f56a48955a	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.253444+00:00
ceeddb84-d521-44ce-a0d5-94e7d9868ffb	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.186584+00:00
e960e21e-3f14-4dd7-89c0-b3dc468f0ab4	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.122769+00:00
0842f8ab-fb1c-4a10-90ca-a67796c8abb8	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.061871+00:00
794e3906-d7c2-4031-a87a-892c55fc9e36	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:06.003818+00:00
67ac2bfd-f3c5-4d07-91cb-26c12a933c1f	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:01:05.937247+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0039  (coder)