Nadja Wiek
Email text (the model got exactly this text)
Von: Nadja Wiek <nadja.wiek@textor.example> An: support@fischer.example Datum: Do., 27. März 2025, 7:28 Betreff: Zahlung Hallo, die Zahlung wurde zweimal von unserem Konto abgebucht. Bitte prüfen Sie das und erstatten Sie uns den zu viel gezahlten Betrag. Es geht um die Rechnung Nr. R109541. Strittig ist ein Betrag von 381 €. Bitte klären Sie das bis zum 31.03.2025. Viele Grüße Nadja Wiek Textor KGaA
Verdict
Cheapest without an error: Gemma 4 31B at $0.14 per 1,000 documents.
- Gemini 3.8 Flash is also error-free but 26.1× more expensive.
- Mistral Small 4 is 1.7× cheaper, but: wrong value (Sentiment).
- GPT-6 Luna is 1× 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 | Mistral Small 48 / 9 fields | GPT-6 Luna8 / 9 fields | Gemma 4 31B9 / 9 fields | DeepSeek V4.1 Flash8 / 9 fields | Qwen3.8 Flash8 / 9 fields | Gemini 3.5 Flash Lite8 / 9 fields | Mistral Medium 3.58 / 9 fields | GPT-6 Sol9 / 9 fields | Gemini 3.8 Flash9 / 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) | billing (correct) |
| Priority | high | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) | high (correct) |
| Sentiment | neutral | negativewrong value | negativewrong value | neutral (correct) | negativewrong value | negativewrong value | negativewrong value | negativewrong value | neutral (correct) | neutral (correct) | negativewrong value |
| Customer name | Nadja Wiek | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) | Nadja Wiek (correct) |
| Order number | — | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) |
| Invoice number | R109541 | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) | R109541 (correct) |
| Amount | 381.00 | 381 (correct) | 381 (correct) | 381.00 (correct) | 381 (correct) | 381 (correct) | 381.00 (correct) | 381 (correct) | 381 (correct) | 381 (correct) | 381 (correct) |
| Currency | EUR | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) |
| Deadline | 2025-03-31 | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) | 2025-03-31 (correct) |
| Tokens | input / output | 730 / 82 | 813 / 115 | 737 / 103 | 1,041 / 167 | 1,030 / 718 | 725 / 102 | 730 / 82 | 813 / 131 | 725 / 861 | 1,282 / 173 |
| of which hidden reasoning | billed as output | 0 | 54 | 0 | 111 | 616 | 0 | 0 | 70 | 761 | 57 |
| of which from cache | input billed at a discount | 550 | 0 | 581 | 766 | 768 | 0 | 502 | 0 | 0 | 0 |
| Cost of this document | this run | $0.0001 | $0.0001 | $0.0001 | $0.0002 | $0.0004 | $0.0005 | $0.0017 | $0.0029 | $0.0038 | $0.0043 |
| Per 1,000 documents | for the same kind of document | $0.08 | $0.14 | $0.14 | $0.18 | $0.39 | $0.47 | $1.71 | $2.94 | $3.77 | $4.29 |
| Latency | this run | 0.6 s | 2.1 s | 2.1 s | 2 s | 12.8 s | 0.7 s | 0.8 s | 3.7 s | 4.2 s | 3.2 s |