Alexej Sauer
Email text (the model got exactly this text)
Von: Alexej Sauer <alexej.sauer@flantz.example> An: support@graf-stiftung.example Datum: Di., 28. Juli 2026, 15:47 Betreff: Frage zur Rechnung Sehr geehrte Damen und Herren, auf Ihrer letzten Rechnung stimmt der Betrag nicht, Sie haben uns eine Position mehr berechnet, als wir abgenommen haben. Der strittige Betrag beläuft sich auf 63 €. Ansonsten sind wir mit Ihrem Service sehr zufrieden, Sie haben uns immer schnell geholfen. Wir brauchen eine Lösung bis zum 30.07.2026. Viele Grüße Alexej Sauer Einkauf Flantz Gotthardgasse 38 18718 Perleberg Tel.: +49 69 541 8371 Amtsgericht Hamburg, HRB 20929 USt-IdNr.: DE858230876 Diese E-Mail und ihre Anhänge sind vertraulich und ausschließlich für den Adressaten bestimmt.
Verdict
Cheapest without an error: Gemini 3.8 Flash at $2.63 per 1,000 documents.
- GPT-6 Sol is also error-free but 1.1× more expensive.
- Gemma 4 31B is 17× cheaper, but: wrong value (Priority).
- GPT-6 Luna is 16.1× cheaper, but: wrong value (Sentiment).
- Mistral Small 4 is 15.7× cheaper, but: wrong value (Sentiment).
Prompt given to every model
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.
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 | Gemma 4 31B7 / 9 fields | GPT-6 Luna8 / 9 fields | Mistral Small 48 / 9 fields | Qwen3.8 Flash8 / 9 fields | Gemini 3.5 Flash Lite8 / 9 fields | Mistral Medium 3.57 / 9 fields | Gemini 3.8 Flash9 / 9 fields | GPT-6 Sol9 / 9 fields | Claude Sonnet 58 / 9 fields |
|---|---|---|---|---|---|---|---|---|---|---|
| Category | billing | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) |
| Priority | high | urgentwrong value | high (correct) | high (correct) | high (correct) | urgentwrong value | urgentwrong value | high (correct) | high (correct) | high (correct) |
| Sentiment | positive | neutralwrong value | negativewrong value | negativewrong value | negativewrong value | positive (correct) | neutralwrong value | positive (correct) | positive (correct) | neutralwrong value |
| Customer name | Alexej Sauer | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) | Alexej Sauer (correct) |
| Order number | — | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) |
| Invoice number | — | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) |
| Amount | 63.00 | 63.00 (correct) | 63 (correct) | 63 (correct) | 63 (correct) | 63.00 (correct) | 63 (correct) | 63.00 (correct) | 63 (correct) | 63 (correct) |
| Currency | EUR | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) |
| Deadline | 2026-07-30 | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) | 2026-07-30 (correct) |
| Tokens | input / output | 836 / 94 | 891 / 148 | 827 / 72 | 1,131 / 459 | 824 / 93 | 827 / 73 | 824 / 536 | 891 / 117 | 1,451 / 365 |
| of which hidden reasoning | billed as output | 0 | 91 | 0 | 366 | 0 | 0 | 443 | 60 | 251 |
| of which from cache | input billed at a discount | 581 | 0 | 0 | 768 | 0 | 502 | 0 | 0 | 0 |
| Cost of this document | this run | $0.0002 | $0.0002 | $0.0002 | $0.0003 | $0.0005 | $0.0018 | $0.0026 | $0.0030 | $0.0066 |
| Per 1,000 documents | for the same kind of document | $0.15 | $0.16 | $0.17 | $0.28 | $0.48 | $1.79 | $2.63 | $2.95 | $6.55 |
| Latency | this run | 4 s | 2.3 s | 1 s | 9.4 s | 0.8 s | 0.7 s | 2.6 s | 3.8 s | 11.8 s |