Samira Hermann
Text e-mailu (model dostal přesně tento text)
Von: Samira Hermann <samira.hermann@eckbauer.example> An: support@hentschel.example Datum: Do., 15. Januar 2026, 8:23 Betreff: Stornierung der Bestellung Guten Tag, hiermit kündigen wir den Dienstleistungsvertrag und bitten um eine schriftliche Bestätigung der Kündigung. Es handelt sich um die Bestellung Nr. A26-009641. Der bereits gezahlte Betrag von 193 EUR ist uns zu erstatten. Das ist völlig inakzeptabel und ärgert uns sehr. Wir brauchen eine Lösung bis zum 17.01.2026. Mit freundlichen Grüßen Samira Hermann Eckbauer
Verdikt
Nejlevnější bez chyby: GPT-6 Luna za 3,38 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 35,2× dražší.
- Mistral Small 4 je 1,7× 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 48 / 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 | GPT-6 Sol9 / 9 polí | Gemini 3.8 Flash9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | cancellation | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) |
| Priorita | high | urgentšpatná hodnota | high (správně) | urgentšpatná hodnota | high (správně) | high (správně) | urgentšpatná hodnota | urgentšpatná hodnota | high (správně) | high (správně) | high (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 | Samira Hermann | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) | Samira Hermann (správně) |
| Číslo objednávky | A26-009641 | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) | A26-009641 (správně) |
| Číslo dokladu | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Částka | 193.00 | 193 (správně) | 193 (správně) | 193.00 (správně) | 193 (správně) | 193 (správně) | 193.00 (správně) | 193 (správně) | 193 (správně) | 193 (správně) | 193 (správně) |
| Měna | EUR | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) |
| Termín | 2026-01-17 | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) | 2026-01-17 (správně) |
| Tokeny | vstup / výstup | 748 / 85 | 835 / 127 | 764 / 106 | 1 060 / 441 | 1 050 / 797 | 752 / 105 | 748 / 85 | 835 / 79 | 752 / 577 | 1 330 / 252 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 65 | 0 | 384 | 693 | 0 | 0 | 17 | 474 | 133 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 766 | 768 | 0 | 502 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0020 Kč | 0,0034 Kč | 0,0034 Kč | 0,0083 Kč | 0,0099 Kč | 0,0112 Kč | 0,0405 Kč | 0,0566 Kč | 0,0627 Kč | 0,1191 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,05 Kč | 3,38 Kč | 3,44 Kč | 8,31 Kč | 9,87 Kč | 11,23 Kč | 40,47 Kč | 56,58 Kč | 62,74 Kč | 119,14 Kč |
| Odezva | tento běh | 0,7 s | 4,4 s | 2 s | 4,7 s | 15,1 s | 0,8 s | 0,8 s | 2,1 s | 3,1 s | 4,2 s |