ModelVerdict

Simona Kolářová

CzechEmail9 fields

Document cs-p0013 · layout thread · 9 fields · public part of the dataset · Same invoice in English (US) → · Report an error in this example

Email text (the model got exactly this text)

Od: Simona Kolářová <simona.kolarova@vankova-mullerova.example>
Komu: support@dolezal.example
Datum: st 29. 10. 2025 v 16:00
Předmět: Re: Chyba ve vyúčtování

Zdravím,

píšeme znovu ohledně níže uvedené záležitosti, zatím se nic nestalo. S vašimi službami jsme jinak moc spokojeni, vždy jste nám rychle pomohli. Odpověď potřebujeme do 23. 11..

S pozdravem
Simona Kolářová
Vaňková Müllerová k.s.

Dne pá 24. 10. 2025 v 19:39 odesílatel support@dolezal.example napsal:

> Dobrý den, požadavek evidujeme jako tiket č. 40545, ozveme se co nejdříve.
>
> Doležal

> Dne pá 24. 10. 2025 v 16:00 odesílatel Simona Kolářová <simona.kolarova@vankova-mullerova.example> napsal:

> > Zdravím,
> >
> > potřebujeme opravný daňový doklad, na faktuře je uvedena špatná adresa naší firmy. Faktura číslo FV20257289. Sporná částka je 701,67 CZK.
> >
> > S pozdravem
> > Simona Kolářová
> > Vaňková Müllerová k.s.

Verdict

Cheapest without an error: Gemma 4 31B at $0.18 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 36.5× more expensive.

Prompt given to every model

Třídíte e-maily zákaznické podpory. Přečtěte si e-mail níže a vraťte pouze JSON s těmito klíči:

category        jedna z hodnot: billing (faktury, platby, vyúčtování), delivery (kde je objednávka,
                doprava, změna adresy), complaint (poškozené, chybné nebo vadné zboží, reklamace),
                technical (přihlášení, chyby aplikace či systému, napojení), cancellation (zrušení
                objednávky, výpověď smlouvy či předplatného), sales (poptávka, ceny, zájem před nákupem)
priority        jedna z hodnot: urgent, high, normal, low (pravidla níže)
sentiment       jedna z hodnot: positive, neutral, negative (tón zákazníka)
customer_name   celé jméno zákazníka, který požadavek napsal
order_number    číslo objednávky zákazníka, pokud je uvedeno
invoice_number  číslo faktury, pokud je uvedeno
amount          částka, které se požadavek týká (číslo)
currency        kód měny té částky podle ISO 4217 (CZK, EUR, USD, …)
deadline        datum, do kdy zákazník chce vyřešení nebo odpověď (YYYY-MM-DD)

Pravidla priority:
- urgent: zákazník teď nemůže pracovat, nebo je termín nejvýše 1 den po datu e-mailu
- high: termín je nejvýše 7 dní po datu e-mailu, nebo zákazník hrozí ukončením spolupráce
  či eskalací (právník)
- low: zákazník výslovně píše, že to nespěchá
- normal: vše ostatní

Pravidla:
- Vlákno: hodnoťte nejnovější zprávu; čísla objednávek, faktur a částky mohou pocházet z citovaných
  starších zpráv. Přeposlaný e-mail: zákazníkem je původní odesílatel, ne kolega, který ho přeposlal.
- Relativní termíny („do pátku“, „zítra“, „do konce měsíce“) přepočtěte vůči datu zprávy,
  která je uvádí.
- Čísla tiketů podpory, IČO, DIČ a telefonní čísla nejsou čísla objednávek ani faktur.
- Pokud hodnota v e-mailu není, vraťte null. Nehádejte.
- Částky jako čísla s desetinnou tečkou, bez oddělovačů tisíců a bez symbolu měny.

How we score

Exact match per field after normalising dates, amounts and whitespace. Missing diacritics count as an error. Cost is the real token spend of this run, converted at the rate shown in the footer.

What each model extracted

FieldCorrect valueGemma 4 31B9 / 9 fieldsMistral Small 47 / 9 fieldsGPT-6 Luna8 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsQwen3.8 Flash9 / 9 fieldsDeepSeek V4.1 Flash8 / 9 fieldsMistral Medium 3.57 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorybillingbilling (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)
Prioritynormalnormal (correct) highwrong valuenormal (correct)normal (correct)normal (correct)normal (correct) highwrong valuenormal (correct)normal (correct)normal (correct)
Sentimentpositivepositive (correct) neutralwrong value neutralwrong value neutralwrong valuepositive (correct) neutralwrong value neutralwrong valuepositive (correct)positive (correct)positive (correct)
Customer nameSimona KolářováSimona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)Simona Kolářová (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice numberFV20257289FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)FV20257289 (correct)
Amount701.67701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)701.67 (correct)
CurrencyCZKCZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)CZK (correct)
Deadline2025-11-232025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)2025-11-23 (correct)
Tokensinput / output1,040 / 871,039 / 891,118 / 2051,028 / 1071,350 / 1,1291,330 / 8011,039 / 891,028 / 4491,118 / 1291,364 / 385
of which hidden reasoningbilled as output0014001,019741034264264
of which from cacheinput billed at a discount6420007688360000
Cost of this documentthis run$0.0002$0.0002$0.0002$0.0006$0.0006$0.0006$0.0022$0.0025$0.0041$0.0066
Per 1,000 documentsfor the same kind of document$0.18$0.21$0.24$0.58$0.63$0.64$2.23$2.45$4.08$6.58
Latencythis run2 s0.8 s2.5 s0.7 s22.4 s10 s0.9 s2 s9.2 s6.5 s