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: 10f135c6-636a-4132-9bce-0df2d1f66b2e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:27:47.187795+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
10f135c6-636a-4132-9bce-0df2d1f66b2e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:47.187795+00:00
7646e2f0-6ee4-4178-9e00-366355e88d1c	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:47.124927+00:00
c8cdceb2-aba8-43bd-8008-f0a73b268840	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:47.050301+00:00
ae38e02d-9713-4ebc-a2e1-648208ed568b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:46.991975+00:00
c219d17d-ff73-4deb-8c40-41298ded2102	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:46.908819+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5700	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5700

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
10f135c6-636a-4132-9bce-0df2d1f66b2e	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:47.187795+00:00
7646e2f0-6ee4-4178-9e00-366355e88d1c	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:47.124927+00:00
c8cdceb2-aba8-43bd-8008-f0a73b268840	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:47.050301+00:00
ae38e02d-9713-4ebc-a2e1-648208ed568b	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.991975+00:00
c219d17d-ff73-4deb-8c40-41298ded2102	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.908819+00:00
eb5b58ee-f4fc-4c75-9515-c28d317058a2	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.839901+00:00
c97da54a-c448-492c-a930-efe392cf3d5c	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.770995+00:00
de5f65dc-edfb-4168-8957-bf6de721e12c	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.703150+00:00
f257de33-2db9-4bcb-be0e-d3eb5da27a6e	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.631822+00:00
f1b336d6-c0dd-4f60-8a80-783e77292de2	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:46.570368+00:00

Cost Frontier

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