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: e404b9ee-7cb6-4f6b-94da-91c8ed99535e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T19:43:27.473348+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
e404b9ee-7cb6-4f6b-94da-91c8ed99535e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:43:27.473348+00:00
f4e520c6-04f3-4571-93a8-460db7324086	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:43:27.410018+00:00
02b79fc6-7061-4c79-9783-2b6d5c739c1f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:43:27.330871+00:00
cff16425-8869-4d57-9c88-98f46ffbc92f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:43:27.251147+00:00
5836648a-836c-4353-88fe-873d925b50de	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:43:27.187747+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6330	##########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6330

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
e404b9ee-7cb6-4f6b-94da-91c8ed99535e	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.473348+00:00
f4e520c6-04f3-4571-93a8-460db7324086	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.410018+00:00
02b79fc6-7061-4c79-9783-2b6d5c739c1f	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.330871+00:00
cff16425-8869-4d57-9c88-98f46ffbc92f	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.251147+00:00
5836648a-836c-4353-88fe-873d925b50de	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.187747+00:00
84ea4f89-4e86-4d6b-98ab-60eae49b4d20	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.124419+00:00
68a2dc1a-8cd1-4377-9e90-fa26a114958c	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:27.045745+00:00
fb80352c-c048-4a9e-816f-32d2c9dee495	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:26.981679+00:00
5cbf208c-f1be-4c24-8c42-190d8af40944	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:26.902281+00:00
305f40b2-8aea-492b-8fdc-c4afac933a68	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:43:26.813130+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0037  (coder)