Margret Löchel
Text e-mailu (model dostal přesně tento text)
Von: Margret Löchel <margret.loechel@steuer.example> An: support@schmiedt-bachmann.example Datum: Do., 15. Januar 2026, 12:02 Betreff: Fehler in der Anwendung Hallo, der Datenexport in Ihrer Anwendung bricht mit einem Fehler ab, und die Datei ist leer. Mit freundlichen Grüßen Margret Löchel Geschäftsführung Steuer Nadja-Mies-Platz 8580 42744 Eilenburg Tel.: +49 89 520 1240 Amtsgericht Berlin-Charlottenburg, HRB 153466 USt-IdNr.: DE935420745 Diese E-Mail und ihre Anhänge sind vertraulich und ausschließlich für den Adressaten bestimmt.
Verdikt
Nejlevnější bez chyby: Qwen3.8 Flash za 7,99 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 15,4× dražší.
- Mistral Small 4 je 4,5× levnější, ale: špatná hodnota (Priorita).
- Gemma 4 31B je 2,6× levnější, ale: špatná hodnota (Nálada).
- GPT-6 Luna je 2,6× 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 47 / 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 Lite7 / 9 polí | Mistral Medium 3.59 / 9 polí | GPT-6 Sol9 / 9 polí | Gemini 3.8 Flash9 / 9 polí | Claude Sonnet 59 / 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 | normal | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) | normal (správně) | urgentšpatná hodnota | normal (správně) | normal (správně) | normal (správně) | normal (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 | Margret Löchel | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (správně) | Margret Löchel (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 | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Tokeny | vstup / výstup | 777 / 59 | 790 / 59 | 854 / 101 | 1 082 / 212 | 1 085 / 612 | 778 / 78 | 777 / 59 | 854 / 51 | 778 / 531 | 1 353 / 264 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 0 | 48 | 165 | 533 | 0 | 0 | 0 | 453 | 162 |
| z toho z cache | vstup se slevou | 550 | 581 | 0 | 766 | 768 | 0 | 502 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0018 Kč | 0,0031 Kč | 0,0031 Kč | 0,0049 Kč | 0,0080 Kč | 0,0099 Kč | 0,0370 Kč | 0,0510 Kč | 0,0592 Kč | 0,1230 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 1,79 Kč | 3,09 Kč | 3,13 Kč | 4,94 Kč | 7,99 Kč | 9,85 Kč | 36,98 Kč | 51,01 Kč | 59,22 Kč | 122,96 Kč |
| Odezva | tento běh | 0,9 s | 1,2 s | 2,2 s | 4,7 s | 11,8 s | 0,7 s | 0,8 s | 1,6 s | 2,9 s | 11,8 s |