ModelVerdict

Johanne Seifert

němčinaE-mail9 polí

Doklad de-p0022 · layout forwarded · 9 polí · veřejná část sady · Stejná faktura v jazyce: angličtina (USA) → · Nahlásit chybu v tomto příkladu

Text e-mailu (model dostal přesně tento text)

Von: Karl-Wilhelm Kusch <karl-wilhelm.kusch@schleich-heidrich.example>
An: support@schleich-heidrich.example
Datum: Di., 24. Juni 2025, 8:51
Betreff: Fwd: Anmeldung funktioniert nicht

Hallo, ich leite euch eine Kunden-E-Mail weiter, könnt ihr euch das bitte ansehen?

Karl-Wilhelm Kusch

---------- Weitergeleitete Nachricht ----------
Von: Johanne Seifert <johanne.seifert@ackermann-mbh.example>
An: support@schleich-heidrich.example
Datum: Di., 24. Juni 2025, 7:26
Betreff: Anmeldung funktioniert nicht

Guten Tag,

seit dem letzten Update funktioniert die Anbindung an unser Buchhaltungssystem nicht mehr. Wir sind wirklich enttäuscht, wir schreiben Ihnen deswegen bereits zum dritten Mal. Unser gesamter Betrieb steht deswegen im Moment still.

Mit freundlichen Grüßen
Johanne Seifert
Ackermann OHG mbH

Verdikt

Nejlevnější bez chyby: GPT-6 Luna za 3,08 Kč na 1000 dokladů.

  • Claude Sonnet 5 je také bez chyby, ale 30× dražší.
  • Mistral Small 4 je 1,5× levnější, ale: vymyšlená hodnota (Termín).

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

PoleSprávná hodnotaMistral Small 48 / 9 políGPT-6 Luna9 / 9 políGemma 4 31B9 / 9 políQwen3.8 Flash9 / 9 políDeepSeek V4.1 Flash9 / 9 políGemini 3.5 Flash Lite9 / 9 políMistral Medium 3.59 / 9 políGemini 3.8 Flash9 / 9 políGPT-6 Sol9 / 9 políClaude Sonnet 59 / 9 polí
Kategorietechnicaltechnical (správně)technical (správně)technical (správně)technical (správně)technical (správně)technical (správně)technical (správně)technical (správně)technical (správně)technical (správně)
Prioritaurgenturgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)urgent (správně)
Náladanegativenegative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)
Jméno zákazníkaJohanne SeifertJohanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (správně)Johanne Seifert (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— 2025-06-25vymyšlená hodnota— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)
Tokenyvstup / výstup819 / 71898 / 88824 / 791 116 / 3301 152 / 336812 / 78819 / 61812 / 435898 / 521 485 / 104
z toho skryté přemýšleníplací se jako výstup03402492870038900
z toho z cachevstup se slevou550058176876600000
Cena tohoto dokladutento běh0,0021 Kč0,0031 Kč0,0034 Kč0,0051 Kč0,0072 Kč0,0101 Kč0,0388 Kč0,0515 Kč0,0533 Kč0,0922 Kč
Za 1000 dokladůpři stejném typu dokladu2,10 Kč3,08 Kč3,38 Kč5,05 Kč7,18 Kč10,09 Kč38,78 Kč51,53 Kč53,27 Kč92,23 Kč
Odezvatento běh0,7 s2,6 s3,6 s6,4 s5,5 s0,7 s0,8 s2,4 s1,7 s1,8 s