Görevler · Çoklu dosya değişikliği

task-011-multifile-bug

Görev tanımının prompt metni aşağıdadır; gizli doğrulayıcılar (verify, oracle, reference çözümler) yayınlanmaz. Her sütun bir model ve effort ikilisinin n=1 sonucudur (ilk geçerli deneme); renk tek başına anlam taşımaz.

n=114 ikili: 14 ölçüldü · 0 ölçülmedi

Görev tanımı

`shop/` paketinde bir hata bildirildi: iki sepeti `merge` ile birleştirince sonuç toplamı yanlış çıkıyor ve orijinal sepetlerin içeriği de değişiyor. Hatayı kök nedeninden düzelt. Paket `README.md`'deki kurallara uymalı; testleri `python3 -m unittest discover tests` ile çalıştırabilirsin. `tests/` dizinindeki dosyaları değiştirme.

Kaynak: fixtures/task-011-multifile-bug/PROMPT.md · yalnız prompt metni; doğrulayıcılar yayınlanmaz.

Model seçici yükleniyor; bu ara görüntüde varsayılan sütunlar görünür.

claude-haiku-5-5varsayılan

Geçti

Süre
21,2 sn
Çıktı token
3.935
Maliyet (USD, koşu başı)
<0,01
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

claude-opus-5-5high

Geçti

Süre
24,2 sn
Çıktı token
2.371
Maliyet (USD, koşu başı)
0,13
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

claude-sonnet-5-5medium

Geçti

Süre
21,5 sn
Çıktı token
1.625
Maliyet (USD, koşu başı)
0,06
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

deepseek-v4.1-flashtek ayar

Geçti

Süre
1,2 dk
Çıktı token
1.651
Maliyet (USD, koşu başı)
ölçülmedi (diğer)
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Ölçülmeyen sütunların sebebi sütun üstünde yazar. Diff ve son mesaj açılır-kapanır başlıkların altındadır; ham dosyalar indirilebilir. Maliyet = koşu başı ortalama, API liste fiyatı eşdeğeri (abonelik faturası değil); EVREN ücretsiz katmanında fiyat tanımsız olduğundan ölçülmedi yazar. Veri: Nasıl ölçüldü?