Marta Kambs
Text e-mailu (model dostal přesně tento text)
Von: Marta Kambs <marta.kambs@drewes-lange.example> An: support@aumann-pechel.example Datum: Mi., 12. März 2025, 15:33 Betreff: Beschädigte Lieferung Guten Tag, die gelieferten Teile entsprechen nicht unserer Bestellung, Sie haben uns einen anderen Typ geschickt. Es handelt sich um die Bestellung Nr. A25-023022. Der Wert der reklamierten Ware beträgt 201 EUR. Wir sind wirklich enttäuscht, wir schreiben Ihnen deswegen bereits zum dritten Mal. Vielen Dank und freundliche Grüße Marta Kambs Drewes Lange Stiftung & Co. KG
Verdikt
Nejlevnější bez chyby: GPT-6 Luna za 3,11 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 38,6× dražší.
- Mistral Small 4 je 1,5× levnější, ale: špatná hodnota (Priorita).
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 47 / 9 polí | GPT-6 Luna9 / 9 polí | Gemma 4 31B8 / 9 polí | DeepSeek V4.1 Flash9 / 9 polí | Qwen3.8 Flash9 / 9 polí | Gemini 3.5 Flash Lite8 / 9 polí | Mistral Medium 3.58 / 9 polí | Gemini 3.8 Flash9 / 9 polí | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | complaint | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) |
| Priorita | normal | highšpatná hodnota | normal (správně) | highšpatná hodnota | normal (správně) | normal (správně) | highšpatná hodnota | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) |
| Nálada | negative | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) |
| Jméno zákazníka | Marta Kambs | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) | Marta Kambs (správně) |
| Číslo objednávky | A25-023022 | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) | A25-023022 (správně) |
| Číslo dokladu | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Částka | 201.00 | 201 (správně) | 201 (správně) | 201.00 (správně) | 201 (správně) | 201 (správně) | 201.00 (správně) | 201 (správně) | 201 (správně) | 201 (správně) | 201 (správně) |
| Měna | EUR | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) |
| Termín | — | 2025-03-19vymyšlená hodnota | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Tokeny | vstup / výstup | 742 / 86 | 825 / 105 | 751 / 96 | 1 058 / 259 | 1 040 / 476 | 739 / 95 | 742 / 76 | 739 / 320 | 825 / 77 | 1 332 / 255 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 46 | 0 | 207 | 382 | 0 | 0 | 227 | 18 | 143 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 766 | 768 | 0 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0020 Kč | 0,0031 Kč | 0,0033 Kč | 0,0055 Kč | 0,0064 Kč | 0,0106 Kč | 0,0387 Kč | 0,0403 Kč | 0,0557 Kč | 0,1199 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,04 Kč | 3,11 Kč | 3,30 Kč | 5,53 Kč | 6,37 Kč | 10,56 Kč | 38,71 Kč | 40,35 Kč | 55,66 Kč | 119,92 Kč |
| Odezva | tento běh | 0,8 s | 2,1 s | 4,3 s | 3,1 s | 9,2 s | 0,7 s | 0,8 s | 2 s | 3,1 s | 4 s |