ModelVerdict

Samira Hermann

GermanEmail9 fields

Document de-p0029 · 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: Samira Hermann <samira.hermann@eckbauer.example>
An: support@hentschel.example
Datum: Do., 15. Januar 2026, 8:23
Betreff: Stornierung der Bestellung

Guten Tag,

hiermit kündigen wir den Dienstleistungsvertrag und bitten um eine schriftliche Bestätigung der Kündigung. Es handelt sich um die Bestellung Nr. A26-009641.

Der bereits gezahlte Betrag von 193 EUR ist uns zu erstatten. Das ist völlig inakzeptabel und ärgert uns sehr. Wir brauchen eine Lösung bis zum 17.01.2026.

Mit freundlichen Grüßen
Samira Hermann
Eckbauer

Verdict

Cheapest without an error: GPT-6 Luna at $0.15 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 35.2× more expensive.
  • Mistral Small 4 is 1.7× 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 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 fieldsGPT-6 Sol9 / 9 fieldsGemini 3.8 Flash9 / 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)
Priorityhigh urgentwrong valuehigh (correct) urgentwrong valuehigh (correct)high (correct) urgentwrong value urgentwrong valuehigh (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 nameSamira HermannSamira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)Samira Hermann (correct)
Order numberA26-009641A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)A26-009641 (correct)
Invoice number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Amount193.00193 (correct)193 (correct)193.00 (correct)193 (correct)193 (correct)193.00 (correct)193 (correct)193 (correct)193 (correct)193 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)
Deadline2026-01-172026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)2026-01-17 (correct)
Tokensinput / output748 / 85835 / 127764 / 1061,060 / 4411,050 / 797752 / 105748 / 85835 / 79752 / 5771,330 / 252
of which hidden reasoningbilled as output06503846930017474133
of which from cacheinput billed at a discount55005817667680502000
Cost of this documentthis run$0.0001$0.0001$0.0001$0.0004$0.0004$0.0005$0.0018$0.0025$0.0027$0.0052
Per 1,000 documentsfor the same kind of document$0.09$0.15$0.15$0.36$0.43$0.49$1.76$2.46$2.73$5.18
Latencythis run0.7 s4.4 s2 s4.7 s15.1 s0.8 s0.8 s2.1 s3.1 s4.2 s