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: a7d877cc-6285-4a51-93f9-756b41f41c37 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:43:47.100162+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
a7d877cc-6285-4a51-93f9-756b41f41c37	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:47.100162+00:00
25d18627-a54d-4669-b864-901bfa0f251e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:46.985495+00:00
456b612a-1348-42c4-b89c-f023ba79178e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:46.874495+00:00
42784a74-fc43-4f11-92cd-8cf4126c604f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:46.763328+00:00
990af11c-bd7f-4df5-b3c5-279edd8edaaf	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:46.652368+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5750	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5750

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
a7d877cc-6285-4a51-93f9-756b41f41c37	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:47.100162+00:00
25d18627-a54d-4669-b864-901bfa0f251e	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.985495+00:00
456b612a-1348-42c4-b89c-f023ba79178e	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.874495+00:00
42784a74-fc43-4f11-92cd-8cf4126c604f	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.763328+00:00
990af11c-bd7f-4df5-b3c5-279edd8edaaf	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.652368+00:00
e7c9cfcc-2686-4f75-a428-deceb5237f69	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.546089+00:00
a5a9d89f-5e0d-41f2-a28d-87939e4206e9	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.433675+00:00
8fdccc93-050f-4319-bf01-c0710db7512f	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.334128+00:00
dd9e5d43-aa71-44a6-9f4a-518ae3cf2cd0	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.223332+00:00
a2b5cf6a-fd56-4bec-99c6-d22b1dc81f75	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:46.112556+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0039  (coder)