ModelVerdict

Helen Noack

GermanEmail9 fields

Document de-p0023 · layout forwarded · 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: Flora Ernst <flora.ernst@gerlach-stiffel.example>
An: support@gerlach-stiffel.example
Datum: Mi., 30. Juli 2025, 10:37
Betreff: Fwd: Stornierung der Bestellung

Leite ich an euch weiter, das ist euer Thema. Danke.

Flora Ernst

---------- Weitergeleitete Nachricht ----------
Von: Helen Noack <helen.noack@stadelmann.example>
An: support@gerlach-stiffel.example
Datum: Mi., 30. Juli 2025, 9:58
Betreff: Stornierung der Bestellung

Guten Tag,

wir möchten unsere Bestellung stornieren, wir benötigen die Ware nicht mehr. Es handelt sich um die Bestellung Nr. BE-2025-86145.

Es geht um die Rechnung Nr. R106896. Wir sind wirklich enttäuscht, wir schreiben Ihnen deswegen bereits zum dritten Mal.

Vielen Dank und freundliche Grüße
Helen Noack
Stadelmann GmbH & Co. KG

Verdict

Cheapest without an error: Gemma 4 31B at $0.15 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 41.8× more expensive.
  • Mistral Small 4 is 1.5× cheaper, but: wrong value (Priority).

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 48 / 9 fieldsGemma 4 31B9 / 9 fieldsGPT-6 Luna9 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsQwen3.8 Flash9 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsMistral Medium 3.58 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorycancellationcancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)cancellation (correct)
Prioritynormal highwrong valuenormal (correct)normal (correct)normal (correct)normal (correct) highwrong valuenormal (correct) highwrong valuenormal (correct)normal (correct)
Sentimentnegativenegative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)
Customer nameHelen NoackHelen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)Helen Noack (correct)
Order numberBE-2025-86145BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)BE-2025-86145 (correct)
Invoice numberR106896R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)R106896 (correct)
Amount—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Currency—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Deadline—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Tokensinput / output831 / 79836 / 78899 / 1431,137 / 2551,131 / 663824 / 97824 / 252831 / 79899 / 1011,462 / 327
of which hidden reasoningbilled as output00571995640155040214
of which from cacheinput billed at a discount550581076676800000
Cost of this documentthis run$0.0001$0.0001$0.0002$0.0003$0.0004$0.0005$0.0016$0.0018$0.0028$0.0062
Per 1,000 documentsfor the same kind of document$0.10$0.15$0.16$0.26$0.38$0.49$1.56$1.84$2.81$6.19
Latencythis run0.8 s4 s3.1 s4.7 s14 s0.7 s1.7 s1.1 s2.5 s9 s