Sylwia Gerlach
Text e-mailu (model dostal přesně tento text)
Von: Sylwia Gerlach <sylwia.gerlach@mentzel.example> An: support@jessel.example Datum: Do., 17. April 2025, 14:16 Betreff: Problem mit dem System Hallo, der Datenexport in Ihrer Anwendung bricht mit einem Fehler ab, und die Datei ist leer. Wir brauchen eine Lösung bis morgen. Viele Grüße Sylwia Gerlach Office Management Mentzel e.V. Helmtrud-Benthin-Allee 1-3 99528 Königs Wusterhausen Tel.: +49 89 739 9394 Amtsgericht Hamburg, HRB 235327 USt-IdNr.: DE302813018 Diese E-Mail und ihre Anhänge sind vertraulich und ausschließlich für den Adressaten bestimmt.
Verdikt
Nejlevnější bez chyby: Qwen3.8 Flash za 6,89 Kč na 1000 dokladů.
- Gemini 3.8 Flash je také bez chyby, ale 17,5× dražší.
- Mistral Small 4 je 3,5× levnější, ale: špatná hodnota (Nálada).
- Gemma 4 31B je 2,2× levnější, ale: špatná hodnota (Nálada).
- GPT-6 Luna je 2,1× levnější, ale: špatná hodnota (Nálada).
Zadání pro všechny modely
Sie sortieren E-Mails des Kundensupports. Lesen Sie die E-Mail unten und geben Sie nur JSON mit diesen Schlüsseln zurück:
category einer der Werte: billing (Rechnungen, Zahlungen, Abrechnung), delivery (wo ist die Bestellung,
Versand, Adressänderung), complaint (beschädigte, falsche oder defekte Ware, Reklamation),
technical (Anmeldung, Fehler in Anwendung oder System, Schnittstellen), cancellation (Stornierung
einer Bestellung, Kündigung eines Vertrags oder Abonnements), sales (Anfrage, Preise, Interesse vor dem Kauf)
priority einer der Werte: urgent, high, normal, low (Regeln unten)
sentiment einer der Werte: positive, neutral, negative (Ton des Kunden)
customer_name vollständiger Name des Kunden, der die Anfrage geschrieben hat
order_number Bestellnummer des Kunden, falls angegeben
invoice_number Rechnungsnummer, falls angegeben
amount Betrag, um den es in der Anfrage geht (Zahl)
currency Währungscode dieses Betrags nach ISO 4217 (EUR, CZK, USD, …)
deadline Datum, bis zu dem der Kunde eine Lösung oder Antwort wünscht (YYYY-MM-DD)
Regeln für die Priorität:
- urgent: der Kunde kann gerade nicht arbeiten, oder die Frist liegt höchstens 1 Tag nach dem Datum der E-Mail
- high: die Frist liegt höchstens 7 Tage nach dem Datum der E-Mail, oder der Kunde droht mit dem Ende
der Zusammenarbeit oder einer Eskalation (Anwalt)
- low: der Kunde schreibt ausdrücklich, dass es nicht eilt
- normal: alles andere
Regeln:
- Verlauf: bewerten Sie die neueste Nachricht; Bestell- und Rechnungsnummern sowie Beträge können aus
zitierten älteren Nachrichten stammen. Weitergeleitete E-Mail: Kunde ist der ursprüngliche Absender,
nicht der Kollege, der sie weitergeleitet hat.
- Relative Fristen („bis Freitag“, „bis morgen“, „bis Ende des Monats“) rechnen Sie ausgehend vom Datum
der Nachricht um, in der sie stehen.
- Ticketnummern des Supports, Handelsregisternummern, USt-IdNr. und Telefonnummern sind keine
Bestell- oder Rechnungsnummern.
- Steht ein Wert nicht in der E-Mail, geben Sie null zurück. Raten Sie nicht.
- Beträge als Zahlen mit Dezimalpunkt, ohne Tausendertrennzeichen und ohne Währungssymbol.
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 | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí | Gemini 3.8 Flash9 / 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 | Sylwia Gerlach | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (správně) | Sylwia Gerlach (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 | 2025-04-18 | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) | 2025-04-18 (správně) |
| Tokeny | vstup / výstup | 778 / 71 | 792 / 69 | 855 / 115 | 1 086 / 313 | 1 085 / 510 | 780 / 89 | 778 / 71 | 855 / 89 | 1 366 / 243 | 780 / 1 244 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 0 | 57 | 258 | 419 | 0 | 0 | 31 | 129 | 1 155 |
| z toho z cache | vstup se slevou | 550 | 3 | 0 | 766 | 768 | 0 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0020 Kč | 0,0032 Kč | 0,0033 Kč | 0,0065 Kč | 0,0069 Kč | 0,0105 Kč | 0,0391 Kč | 0,0598 Kč | 0,1187 Kč | 0,1208 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 1,96 Kč | 3,19 Kč | 3,29 Kč | 6,49 Kč | 6,89 Kč | 10,50 Kč | 39,09 Kč | 59,80 Kč | 118,73 Kč | 120,75 Kč |
| Odezva | tento běh | 0,6 s | 5,3 s | 3,2 s | 4 s | 9 s | 0,7 s | 0,9 s | 2,9 s | 5,4 s | 6 s |