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: 6564d308-f1d0-45e0-aa6f-b9f82d62b139 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-26T10:33:49.805736+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
6564d308-f1d0-45e0-aa6f-b9f82d62b139	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:49.805736+00:00
564f254b-fd47-4b41-8b7f-0947a97d1ee5	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:49.595857+00:00
8c2a5a70-2886-499a-bd56-4dd405366faa	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:49.512877+00:00
c20da003-c018-44fa-98c4-7b89a1f7fe53	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:49.428089+00:00
01ccb5f2-68a2-48c5-8313-cd6c968a2494	coder	59417e3b6834192b1ea96a6a9010dee3105efd78	0.740	2026-05-26T10:33:49.333056+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	7180	############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

7180

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
6564d308-f1d0-45e0-aa6f-b9f82d62b139	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.805736+00:00
564f254b-fd47-4b41-8b7f-0947a97d1ee5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.595857+00:00
8c2a5a70-2886-499a-bd56-4dd405366faa	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.512877+00:00
c20da003-c018-44fa-98c4-7b89a1f7fe53	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.428089+00:00
01ccb5f2-68a2-48c5-8313-cd6c968a2494	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.333056+00:00
306f1648-2631-4772-af5e-ba1f1d3ba6af	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.242989+00:00
9b9fd164-55d1-4008-a933-2bab06cdadcf	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.161335+00:00
feef238a-180a-4e7a-a43d-5e8e350f371b	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:49.072808+00:00
e9ada50b-a506-4b2a-96e6-d028114453fa	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:48.993260+00:00
f5b98a86-ea41-437f-b0fc-f29784463fcd	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-26T10:33:48.912587+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0036  (coder)