ModelVerdict

Marta Kambs

GermanEmail9 fields

Document de-p0027 · layout plain · 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: Marta Kambs <marta.kambs@drewes-lange.example>
An: support@aumann-pechel.example
Datum: Mi., 12. März 2025, 15:33
Betreff: Beschädigte Lieferung

Guten Tag,

die gelieferten Teile entsprechen nicht unserer Bestellung, Sie haben uns einen anderen Typ geschickt. Es handelt sich um die Bestellung Nr. A25-023022.

Der Wert der reklamierten Ware beträgt 201 EUR. Wir sind wirklich enttäuscht, wir schreiben Ihnen deswegen bereits zum dritten Mal.

Vielen Dank und freundliche Grüße
Marta Kambs
Drewes Lange Stiftung & Co. KG

Verdict

Cheapest without an error: GPT-6 Luna at $0.14 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 38.6× 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 47 / 9 fieldsGPT-6 Luna9 / 9 fieldsGemma 4 31B8 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsQwen3.8 Flash9 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsMistral Medium 3.58 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorycomplaintcomplaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)complaint (correct)
Prioritynormal highwrong valuenormal (correct) highwrong valuenormal (correct)normal (correct) highwrong value highwrong valuenormal (correct)normal (correct)normal (correct)
Sentimentnegativenegative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)
Customer nameMarta KambsMarta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)Marta Kambs (correct)
Order numberA25-023022A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)A25-023022 (correct)
Invoice number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Amount201.00201 (correct)201 (correct)201.00 (correct)201 (correct)201 (correct)201.00 (correct)201 (correct)201 (correct)201 (correct)201 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)
Deadline— 2025-03-19invented value— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Tokensinput / output742 / 86825 / 105751 / 961,058 / 2591,040 / 476739 / 95742 / 76739 / 320825 / 771,332 / 255
of which hidden reasoningbilled as output04602073820022718143
of which from cacheinput billed at a discount550058176676800000
Cost of this documentthis run$0.0001$0.0001$0.0001$0.0002$0.0003$0.0005$0.0017$0.0018$0.0024$0.0052
Per 1,000 documentsfor the same kind of document$0.09$0.14$0.14$0.24$0.28$0.46$1.68$1.75$2.42$5.21
Latencythis run0.8 s2.1 s4.3 s3.1 s9.2 s0.7 s0.8 s2 s3.1 s4 s