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: 1778ce3d-fbcf-4903-a907-f4d24e9be6d8 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T20:25:07.124003+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
1778ce3d-fbcf-4903-a907-f4d24e9be6d8	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:25:07.124003+00:00
65cdd163-7ba7-4e2e-b285-f2e27862da72	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:25:07.060556+00:00
f8129169-87fb-4b2b-8acb-f6f04e2d7a18	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:25:06.987791+00:00
48399f87-806d-4a29-936d-4d5c9aefd0e5	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:25:06.904720+00:00
ba5d43d8-1f51-451b-a50b-4ba06974df99	coder	3a1cb59613c43efee035337a7eb0f518754b79e1	0.740	2026-05-23T20:25:06.823240+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6880	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6880

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
1778ce3d-fbcf-4903-a907-f4d24e9be6d8	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:07.124003+00:00
65cdd163-7ba7-4e2e-b285-f2e27862da72	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:07.060556+00:00
f8129169-87fb-4b2b-8acb-f6f04e2d7a18	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.987791+00:00
48399f87-806d-4a29-936d-4d5c9aefd0e5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.904720+00:00
ba5d43d8-1f51-451b-a50b-4ba06974df99	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.823240+00:00
feae8754-cffa-48b4-aeba-62c1ad95acc7	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.735964+00:00
998ac54f-d6e4-4369-88df-c708dfeed091	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.659148+00:00
46915e49-a51b-4711-b26e-5a74158cb77b	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.586279+00:00
b8632c1d-3c00-4c4b-9e48-5921805cd018	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.506869+00:00
059db77a-87da-4bb8-83c5-9abfc5973b86	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T20:25:06.427844+00:00

Cost Frontier

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