Natálie Kratochvílová

CzechEmail9 fields

Document cs-p0017 · 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: Natálie Kratochvílová <natalie.kratochvilova@zakova-vackova.example>
Komu: support@tesar.example
Datum: út 21. 4. 2026 v 8:51
Předmět: Re: Zrušení objednávky

Dobrý den, vážení,

navazujeme na náš předchozí e-mail níže, stále čekáme na řešení. Odpověď potřebujeme do konce měsíce.

Děkujeme a zdravíme
Natálie Kratochvílová
Žáková Vacková k.s.

Dne pá 17. 4. 2026 v 10:57 odesílatel support@tesar.example napsal:

> Dobrý den, požadavek evidujeme jako tiket č. 76030, ozveme se co nejdříve.
>
> Tesař v.o.s.

> Dne pá 17. 4. 2026 v 7:51 odesílatel Natálie Kratochvílová <natalie.kratochvilova@zakova-vackova.example> napsal:

> > Dobrý den, vážení,
> >
> > chtěli bychom zrušit naši objednávku, zboží už nepotřebujeme. Jedná se o objednávku č. 26056234.
> >
> > Děkujeme a zdravíme
> > Natálie Kratochvílová
> > Žáková Vacková k.s.

Verdict

Cheapest without an error: GPT-6 Luna at $0.21 per 1,000 documents.

Claude Sonnet 5 is also error-free but 25.9× more expensive.
Mistral Small 4 is 1.7× cheaper, but: wrong value (Priority).
Gemma 4 31B is 1.2× cheaper, but: wrong value (Priority).

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

Field	Correct value	Mistral Small 48 / 9 fields	Gemma 4 31B8 / 9 fields	GPT-6 Luna9 / 9 fields	Qwen3.8 Flash9 / 9 fields	Gemini 3.5 Flash Lite9 / 9 fields	DeepSeek V4.1 Flash8 / 9 fields	Mistral Medium 3.58 / 9 fields	GPT-6 Sol9 / 9 fields	Gemini 3.8 Flash9 / 9 fields	Claude Sonnet 59 / 9 fields
Category	cancellation	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)	cancellation (correct)
Priority	normal	highwrong value	highwrong value	normal (correct)	normal (correct)	normal (correct)	normal (correct)	highwrong value	normal (correct)	normal (correct)	normal (correct)
Sentiment	neutral	neutral (correct)	neutral (correct)	neutral (correct)	neutral (correct)	neutral (correct)	negativewrong value	neutral (correct)	neutral (correct)	neutral (correct)	neutral (correct)
Customer name	Natálie Kratochvílová	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)	Natálie Kratochvílová (correct)
Order number	26056234	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)	26056234 (correct)
Invoice number	—	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)
Amount	—	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)
Currency	—	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)
Deadline	2026-04-30	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)	2026-04-30 (correct)
Tokens	input / output	1,033 / 83	1,029 / 82	1,111 / 136	1,328 / 980	1,017 / 102	1,323 / 1,096	1,033 / 83	1,111 / 95	1,017 / 837	1,341 / 267
of which hidden reasoning	billed as output	0	0	70	876	0	1,035	0	29	735	148
of which from cache	input billed at a discount	630	3	0	768	0	836	630	0	0	0
Cost of this document	this run	$0.0001	$0.0002	$0.0002	$0.0006	$0.0006	$0.0008	$0.0022	$0.0037	$0.0039	$0.0054
Per 1,000 documents	for the same kind of document	$0.12	$0.18	$0.21	$0.56	$0.56	$0.84	$2.17	$3.73	$3.90	$5.35
Latency	this run	0.8 s	2.4 s	2.8 s	14.8 s	0.7 s	13.9 s	0.9 s	8.5 s	3.3 s	5.3 s