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: 043360c8-d1f4-4d26-a149-97ee76be0a68 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T17:55:10.720688+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
043360c8-d1f4-4d26-a149-97ee76be0a68	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:10.720688+00:00
3aa1914c-1635-4992-a6cf-05051bc16cc3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:10.622149+00:00
3fd516fc-9a1a-4e19-97c2-d82ea2aa5be5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:10.538581+00:00
af902ac6-d798-463e-b8bb-1740112693d7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:10.457793+00:00
f2217dde-9b04-4de0-a6fd-b2467eea0ddf	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:10.372916+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5250	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5250

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
043360c8-d1f4-4d26-a149-97ee76be0a68	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.720688+00:00
3aa1914c-1635-4992-a6cf-05051bc16cc3	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.622149+00:00
3fd516fc-9a1a-4e19-97c2-d82ea2aa5be5	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.538581+00:00
af902ac6-d798-463e-b8bb-1740112693d7	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.457793+00:00
f2217dde-9b04-4de0-a6fd-b2467eea0ddf	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.372916+00:00
d3a304ad-2fd5-4c44-9e8c-5a93c484779d	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.303218+00:00
8a08f602-d4ac-43d8-98ee-6942a0996308	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.223806+00:00
c8627ce7-9b61-4b8b-b60f-787b2ffeceb5	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.141362+00:00
8e8e26ff-e0b1-49d6-8fc0-cdc62e6928d1	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:10.056239+00:00
c2505198-85c7-4470-8799-c440820fa269	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:09.989653+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0040  (coder)