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: ce08f0c2-12c7-4243-bd9c-eb5ce59bfd7f | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T19:14:45.811203+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
ce08f0c2-12c7-4243-bd9c-eb5ce59bfd7f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:45.811203+00:00
91430086-00fb-41bd-98ca-9214bae285a5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:45.747631+00:00
88f0a2e4-779e-43bf-964d-4aa8db8e336f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:45.683891+00:00
1000b932-76da-47ff-80f0-171539172af5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:45.635899+00:00
a8aaea11-7473-458d-a586-10a83e9421f2	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:45.572314+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6280	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6280

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
ce08f0c2-12c7-4243-bd9c-eb5ce59bfd7f	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.811203+00:00
91430086-00fb-41bd-98ca-9214bae285a5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.747631+00:00
88f0a2e4-779e-43bf-964d-4aa8db8e336f	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.683891+00:00
1000b932-76da-47ff-80f0-171539172af5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.635899+00:00
a8aaea11-7473-458d-a586-10a83e9421f2	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.572314+00:00
ec520757-6e05-4298-9c0e-6b5b461c686a	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.512727+00:00
5beff30f-c710-4ddc-b019-5f307f02184d	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.429020+00:00
f5994d81-b017-479b-8375-79b33c258a26	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.365427+00:00
e67beb53-f01e-46ba-9c04-e10a9765640b	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.302041+00:00
d44d30b6-3189-4e9c-94ec-03569b2e8bfc	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:45.239194+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0038  (coder)