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: c85c926e-91db-42c9-816e-6969b8fe7307 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:51:56.588956+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
c85c926e-91db-42c9-816e-6969b8fe7307	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:56.588956+00:00
906159de-7f9b-4562-9702-6ed3e74a2534	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:56.481559+00:00
afacbb6f-1ef8-4ae4-aad3-b045e68eb125	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:56.357323+00:00
59d5357d-552f-4aed-9af2-3e427a9a1b68	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:56.261319+00:00
1778b1ab-725b-4635-99cb-18f4ff739a6a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:51:56.158240+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5980	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5980

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
c85c926e-91db-42c9-816e-6969b8fe7307	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.588956+00:00
906159de-7f9b-4562-9702-6ed3e74a2534	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.481559+00:00
afacbb6f-1ef8-4ae4-aad3-b045e68eb125	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.357323+00:00
59d5357d-552f-4aed-9af2-3e427a9a1b68	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.261319+00:00
1778b1ab-725b-4635-99cb-18f4ff739a6a	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.158240+00:00
8dbb4da7-0929-4b35-858b-dda286d2c10d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:56.054691+00:00
d8dd0937-9a50-421f-9088-bcc46ae6860b	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:55.943060+00:00
2bd9ac16-6069-467f-9261-c134309ed779	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:55.838736+00:00
15c1de1a-730e-4859-9648-859d1751ec3b	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:55.732700+00:00
dbe1266f-d0a1-402b-a195-48541f3286e9	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:51:55.610618+00:00

Cost Frontier

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