Ibrahim Walter
Text e-mailu (model dostal přesně tento text)
Von: Ibrahim Walter <ibrahim.walter@fechner.example> An: support@ruppersberger.example Datum: Mi., 29. Oktober 2025, 10:25 Betreff: Zahlung Hallo, auf Ihrer letzten Rechnung stimmt der Betrag nicht, Sie haben uns eine Position mehr berechnet, als wir abgenommen haben. Es betrifft die Rechnung 202505198. Strittig ist ein Betrag von 481 EUR. Wir benötigen eine Antwort bis zum 12. November. Mit freundlichen Grüßen Ibrahim Walter Office Management Fechner KG Viktoria-Jungfer-Platz 7-9 23697 Freudenstadt Tel.: +49 89 525 6691 Amtsgericht Hannover, HRB 38051 USt-IdNr.: DE492403611 Diese E-Mail und ihre Anhänge sind vertraulich und ausschließlich für den Adressaten bestimmt.
Verdikt
Nejlevnější bez chyby: GPT-6 Sol za 68,17 Kč na 1000 dokladů.
- Gemini 3.8 Flash je také bez chyby, ale 1,1× dražší.
- Mistral Small 4 je 30,6× levnější, ale: špatná hodnota (Priorita).
- GPT-6 Luna je 20,7× levnější, ale: špatná hodnota (Nálada).
- Gemma 4 31B je 18,9× 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 Luna8 / 9 polí | Gemma 4 31B7 / 9 polí | DeepSeek V4.1 Flash8 / 9 polí | Qwen3.8 Flash8 / 9 polí | Gemini 3.5 Flash Lite8 / 9 polí | Mistral Medium 3.57 / 9 polí | GPT-6 Sol9 / 9 polí | Gemini 3.8 Flash9 / 9 polí | Claude Sonnet 58 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | billing | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) | billing (správně) |
| Priorita | normal | highšpatná hodnota | normal (správně) | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) |
| Nálada | neutral | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | negativešpatná hodnota | neutral (správně) | neutral (správně) | negativešpatná hodnota |
| Jméno zákazníka | Ibrahim Walter | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) | Ibrahim Walter (správně) |
| Číslo objednávky | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Číslo dokladu | 202505198 | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) | 202505198 (správně) |
| Částka | 481.00 | 481 (správně) | 481 (správně) | 481.00 (správně) | 481 (správně) | 481 (správně) | 481.00 (správně) | 481 (správně) | 481 (správně) | 481 (správně) | 481 (správně) |
| Měna | EUR | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) |
| Termín | 2025-11-12 | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) | 2025-11-12 (správně) |
| Tokeny | vstup / výstup | 813 / 82 | 877 / 111 | 825 / 104 | 1 107 / 225 | 1 114 / 451 | 813 / 103 | 813 / 82 | 877 / 121 | 813 / 727 | 1 423 / 159 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 52 | 0 | 171 | 349 | 0 | 0 | 62 | 626 | 41 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 766 | 768 | 0 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0022 Kč | 0,0033 Kč | 0,0036 Kč | 0,0053 Kč | 0,0064 Kč | 0,0115 Kč | 0,0422 Kč | 0,0682 Kč | 0,0767 Kč | 0,1020 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,23 Kč | 3,29 Kč | 3,61 Kč | 5,26 Kč | 6,35 Kč | 11,53 Kč | 42,19 Kč | 68,17 Kč | 76,73 Kč | 102,03 Kč |
| Odezva | tento běh | 0,8 s | 3,5 s | 1,7 s | 3,5 s | 10,6 s | 0,9 s | 1,1 s | 4,6 s | 3,4 s | 6,9 s |