ModelVerdict

Irmela Warmer

GermanEmail9 fields

Document de-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)

Von: Irmela Warmer <irmela.warmer@stolze-gbr.example>
An: support@krause.example
Datum: Mi., 29. Oktober 2025, 16:00
Betreff: Re: Frage zur Rechnung

Hallo,

wir beziehen uns auf unsere vorherige E-Mail unten und warten immer noch auf eine Lösung. Vielen Dank, wir arbeiten sehr gern mit Ihnen zusammen. Wir benötigen eine Antwort bis zum 23. November.

Mit freundlichen Grüßen
Irmela Warmer
Stolze GbR

Am So., 26. Oktober 2025, 17:49 schrieb support@krause.example:

> Guten Tag, vielen Dank für Ihre Nachricht. Wir haben Ihre Anfrage unter der Ticketnummer 35160 erfasst und prüfen sie.
>
> Krause

> Am So., 26. Oktober 2025, 15:00 schrieb Irmela Warmer <irmela.warmer@stolze-gbr.example>:

> > Hallo,
> >
> > auf Ihrer letzten Rechnung stimmt der Betrag nicht, Sie haben uns eine Position mehr berechnet, als wir abgenommen haben. Es betrifft die Rechnung R104464. Der strittige Betrag beläuft sich auf 44 €.
> >
> > Mit freundlichen Grüßen
> > Irmela Warmer
> > Stolze GbR

Verdict

Cheapest without an error: Gemma 4 31B at $0.16 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 33.8× more expensive.

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

FieldCorrect valueGemma 4 31B9 / 9 fieldsMistral Small 48 / 9 fieldsGPT-6 Luna8 / 9 fieldsQwen3.8 Flash9 / 9 fieldsGemini 3.5 Flash Lite9 / 9 fieldsDeepSeek V4.1 Flash8 / 9 fieldsMistral Medium 3.57 / 9 fieldsGPT-6 Sol9 / 9 fieldsGemini 3.8 Flash9 / 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)normal (correct)normal (correct)normal (correct)normal (correct)normal (correct) highwrong valuenormal (correct)normal (correct)normal (correct)
Sentimentpositivepositive (correct) neutralwrong value neutralwrong valuepositive (correct)positive (correct) neutralwrong value neutralwrong valuepositive (correct)positive (correct)positive (correct)
Customer nameIrmela WarmerIrmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)Irmela Warmer (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice numberR104464R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)R104464 (correct)
Amount44.0044.00 (correct)44 (correct)44 (correct)44 (correct)44 (correct)44 (correct)44 (correct)44 (correct)44 (correct)44.00 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (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 / output910 / 82906 / 81970 / 2571,202 / 931898 / 1001,212 / 982906 / 81970 / 123898 / 6731,584 / 224
of which hidden reasoningbilled as output001968300926062573105
of which from cacheinput billed at a discount5810076807660000
Cost of this documentthis run$0.0002$0.0002$0.0002$0.0005$0.0005$0.0008$0.0020$0.0032$0.0032$0.0054
Per 1,000 documentsfor the same kind of document$0.16$0.18$0.23$0.51$0.52$0.75$1.97$3.17$3.20$5.41
Latencythis run4 s1.1 s3.9 s18.7 s0.8 s11.8 s0.9 s4.1 s3.6 s3.7 s