ModelVerdict

Cristina Krause

GermanEmail9 fields

Document de-p0014 · 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: Cristina Krause <cristina.krause@ruppersberger-lorch.example>
An: support@kaester.example
Datum: Di., 15. April 2025, 16:31
Betreff: Re: Wo bleibt unsere Lieferung?

Hallo,

wir schreiben erneut wegen der unten stehenden Angelegenheit, bisher ist nichts passiert. Das ist völlig inakzeptabel und ärgert uns sehr. Wir benötigen eine Antwort bis Donnerstag.

Viele Grüße
Cristina Krause
Ruppersberger Lorch GmbH

Am Do., 10. April 2025, 19:02 schrieb support@kaester.example:

> Guten Tag, Ihre Anfrage ist als Ticket Nr. 15651 erfasst, wir melden uns so bald wie möglich.
>
> Käster KGaA

> Am Do., 10. April 2025, 14:31 schrieb Cristina Krause <cristina.krause@ruppersberger-lorch.example>:

> > Hallo,
> >
> > die bestellte Ware ist immer noch nicht bei uns angekommen, obwohl sie letzte Woche hätte geliefert werden sollen. Es handelt sich um die Bestellung Nr. BE-2025-91021.
> >
> > Viele Grüße
> > Cristina Krause
> > Ruppersberger Lorch GmbH

Verdict

Cheapest without an error: Mistral Small 4 at $0.11 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 54.6× 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 valueMistral Small 49 / 9 fieldsGPT-6 Luna9 / 9 fieldsGemma 4 31B8 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsQwen3.8 Flash9 / 9 fieldsMistral Medium 3.59 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorydeliverydelivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)
Priorityhighhigh (correct)high (correct) urgentwrong valuehigh (correct) urgentwrong valuehigh (correct)high (correct)high (correct)high (correct)high (correct)
Sentimentnegativenegative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)
Customer nameCristina KrauseCristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)Cristina Krause (correct)
Order numberBE-2025-91021BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (correct)BE-2025-91021 (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)
Deadline2025-04-172025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)
Tokensinput / output885 / 81956 / 116893 / 1011,199 / 428881 / 1001,189 / 950885 / 81881 / 384956 / 891,553 / 274
of which hidden reasoningbilled as output05203680847028425157
of which from cacheinput billed at a discount550058176607680000
Cost of this documentthis run$0.0001$0.0002$0.0002$0.0004$0.0005$0.0005$0.0019$0.0021$0.0028$0.0058
Per 1,000 documentsfor the same kind of document$0.11$0.15$0.17$0.38$0.51$0.52$1.94$2.10$2.80$5.85
Latencythis run0.9 s2.5 s4.7 s6 s0.8 s17.2 s0.8 s2.1 s2.1 s5 s