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: 3a46a3c2-9f3a-4dab-8c08-b8745c5dc69b | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T17:55:19.182675+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
3a46a3c2-9f3a-4dab-8c08-b8745c5dc69b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:19.182675+00:00
5c76a2d1-12c0-4a47-bee0-d44e077d4912	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:19.110849+00:00
b66dd54c-56fd-47f9-a898-1d82a272b6a9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:19.026997+00:00
31e76c8f-d380-4db9-a5ab-498f6fa5a637	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:18.923237+00:00
ead21b5e-7707-40f3-831f-7b217a34aaf7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:18.844032+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5300	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5300

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
3a46a3c2-9f3a-4dab-8c08-b8745c5dc69b	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:19.182675+00:00
5c76a2d1-12c0-4a47-bee0-d44e077d4912	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:19.110849+00:00
b66dd54c-56fd-47f9-a898-1d82a272b6a9	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:19.026997+00:00
31e76c8f-d380-4db9-a5ab-498f6fa5a637	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.923237+00:00
ead21b5e-7707-40f3-831f-7b217a34aaf7	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.844032+00:00
89be9a2c-00c4-4d0e-a844-4e72289c6ac3	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.766233+00:00
225c718d-edaa-4f23-9788-e93133b84e40	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.702287+00:00
3c08e09d-81b3-4f84-b7b6-0d123b094050	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.619142+00:00
785add45-70a4-43bd-b938-a6689f15810b	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.550657+00:00
fb774d79-9488-487c-b3d2-f70a8739ec8f	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:18.469392+00:00

Cost Frontier

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