Šimon Beran
Text e-mailu (model dostal přesně tento text)
Od: Šimon Beran <simon.beran@pospisilova-tesar.example> Komu: support@nemec.example Datum: po 29. 6. 2026 v 10:29 Předmět: Problém se systémem Dobrý den, vážení, po poslední aktualizaci nefunguje napojení na náš účetní systém. Potřebujeme to mít vyřízené nejpozději zítra. S pozdravem Šimon Beran Pospíšilová Tesař a.s.
Verdikt
Nejlevnější bez chyby: Qwen3.8 Flash za 8,51 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 12,3× dražší.
- Mistral Small 4 je 5× levnější, ale: špatná hodnota (Nálada).
- Gemma 4 31B je 2,7× levnější, ale: špatná hodnota (Nálada).
- GPT-6 Luna je 2,5× levnější, ale: špatná hodnota (Nálada).
Zadání pro všechny modely
Třídíte e-maily zákaznické podpory. Přečtěte si e-mail níže a vraťte pouze JSON s těmito klíči:
category jedna z hodnot: billing (faktury, platby, vyúčtování), delivery (kde je objednávka,
doprava, změna adresy), complaint (poškozené, chybné nebo vadné zboží, reklamace),
technical (přihlášení, chyby aplikace či systému, napojení), cancellation (zrušení
objednávky, výpověď smlouvy či předplatného), sales (poptávka, ceny, zájem před nákupem)
priority jedna z hodnot: urgent, high, normal, low (pravidla níže)
sentiment jedna z hodnot: positive, neutral, negative (tón zákazníka)
customer_name celé jméno zákazníka, který požadavek napsal
order_number číslo objednávky zákazníka, pokud je uvedeno
invoice_number číslo faktury, pokud je uvedeno
amount částka, které se požadavek týká (číslo)
currency kód měny té částky podle ISO 4217 (CZK, EUR, USD, …)
deadline datum, do kdy zákazník chce vyřešení nebo odpověď (YYYY-MM-DD)
Pravidla priority:
- urgent: zákazník teď nemůže pracovat, nebo je termín nejvýše 1 den po datu e-mailu
- high: termín je nejvýše 7 dní po datu e-mailu, nebo zákazník hrozí ukončením spolupráce
či eskalací (právník)
- low: zákazník výslovně píše, že to nespěchá
- normal: vše ostatní
Pravidla:
- Vlákno: hodnoťte nejnovější zprávu; čísla objednávek, faktur a částky mohou pocházet z citovaných
starších zpráv. Přeposlaný e-mail: zákazníkem je původní odesílatel, ne kolega, který ho přeposlal.
- Relativní termíny („do pátku“, „zítra“, „do konce měsíce“) přepočtěte vůči datu zprávy,
která je uvádí.
- Čísla tiketů podpory, IČO, DIČ a telefonní čísla nejsou čísla objednávek ani faktur.
- Pokud hodnota v e-mailu není, vraťte null. Nehádejte.
- Částky jako čísla s desetinnou tečkou, bez oddělovačů tisíců a bez symbolu měny.
Jak hodnotíme
Přesná shoda pole po sjednocení formátu data, částek a mezer. Chybějící diakritika se počítá jako chyba. Cena je skutečná útrata za tokeny v tomto běhu, přepočtená kurzem k datu v patičce.
Co z dokladu dostal který model
| Pole | Správná hodnota | Mistral Small 48 / 9 polí | Gemma 4 31B8 / 9 polí | GPT-6 Luna8 / 9 polí | DeepSeek V4.1 Flash8 / 9 polí | Qwen3.8 Flash9 / 9 polí | Gemini 3.5 Flash Lite8 / 9 polí | Mistral Medium 3.59 / 9 polí | Gemini 3.8 Flash9 / 9 polí | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | technical | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) |
| Priorita | urgent | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) |
| Nálada | neutral | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | neutral (správně) | negativešpatná hodnota | neutral (správně) | neutral (správně) | neutral (správně) | neutral (správně) |
| Jméno zákazníka | Šimon Beran | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) | Šimon Beran (správně) |
| Číslo objednávky | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Číslo dokladu | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Částka | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Měna | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Termín | 2026-06-30 | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) | 2026-06-30 (správně) |
| Tokeny | vstup / výstup | 783 / 70 | 786 / 69 | 894 / 120 | 1 097 / 190 | 1 094 / 657 | 774 / 89 | 783 / 70 | 774 / 490 | 894 / 98 | 1 051 / 244 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 0 | 62 | 124 | 567 | 0 | 0 | 401 | 40 | 133 |
| z toho z cache | vstup se slevou | 630 | 642 | 0 | 838 | 768 | 0 | 630 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0017 Kč | 0,0032 Kč | 0,0034 Kč | 0,0043 Kč | 0,0085 Kč | 0,0105 Kč | 0,0391 Kč | 0,0556 Kč | 0,0637 Kč | 0,1045 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 1,71 Kč | 3,17 Kč | 3,44 Kč | 4,33 Kč | 8,51 Kč | 10,46 Kč | 39,09 Kč | 55,61 Kč | 63,66 Kč | 104,47 Kč |
| Odezva | tento běh | 1,3 s | 2 s | 2,7 s | 3,1 s | 15 s | 1 s | 0,7 s | 2,3 s | 2,6 s | 4,4 s |