Adam Vaněk
Text e-mailu (model dostal přesně tento text)
Od: Vladislav Valenta <vladislav.valenta@kriz-strnadova.example> Komu: support@kriz-strnadova.example Datum: st 30. 7. 2025 v 10:26 Předmět: Fwd: Storno Ahoj, přeposílám zákaznický e-mail, můžete se na to prosím podívat? Vladislav Valenta ---------- Přeposlaná zpráva --------- Od: Adam Vaněk <adam.vanek@nemec-barta.example> Komu: support@kriz-strnadova.example Datum: st 30. 7. 2025 v 9:58 Předmět: Storno Dobrý den, prosíme o zrušení předplatného k nejbližšímu možnému termínu. Číslo objednávky: OBJ-2025-46457. Jde o fakturu č. 3551/2025. Tohle je naprosto nepřijatelné a velmi nás to rozčiluje. Hezký den Adam Vaněk Němec Bárta s.r.o.
Verdikt
Nejlevnější bez chyby: GPT-6 Luna za 3,58 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 38,2× dražší.
- Mistral Small 4 je 1,4× levnější, ale: špatná hodnota (Priorita).
Zadání pro všechny modely
Třídíte e-maily zákaznické podpory. Přečtěte si e-mail níže a vraťte pouze JSON s těmito klíči:
category jedna z hodnot: billing (faktury, platby, vyúčtování), delivery (kde je objednávka,
doprava, změna adresy), complaint (poškozené, chybné nebo vadné zboží, reklamace),
technical (přihlášení, chyby aplikace či systému, napojení), cancellation (zrušení
objednávky, výpověď smlouvy či předplatného), sales (poptávka, ceny, zájem před nákupem)
priority jedna z hodnot: urgent, high, normal, low (pravidla níže)
sentiment jedna z hodnot: positive, neutral, negative (tón zákazníka)
customer_name celé jméno zákazníka, který požadavek napsal
order_number číslo objednávky zákazníka, pokud je uvedeno
invoice_number číslo faktury, pokud je uvedeno
amount částka, které se požadavek týká (číslo)
currency kód měny té částky podle ISO 4217 (CZK, EUR, USD, …)
deadline datum, do kdy zákazník chce vyřešení nebo odpověď (YYYY-MM-DD)
Pravidla priority:
- urgent: zákazník teď nemůže pracovat, nebo je termín nejvýše 1 den po datu e-mailu
- high: termín je nejvýše 7 dní po datu e-mailu, nebo zákazník hrozí ukončením spolupráce
či eskalací (právník)
- low: zákazník výslovně píše, že to nespěchá
- normal: vše ostatní
Pravidla:
- Vlákno: hodnoťte nejnovější zprávu; čísla objednávek, faktur a částky mohou pocházet z citovaných
starších zpráv. Přeposlaný e-mail: zákazníkem je původní odesílatel, ne kolega, který ho přeposlal.
- Relativní termíny („do pátku“, „zítra“, „do konce měsíce“) přepočtěte vůči datu zprávy,
která je uvádí.
- Čísla tiketů podpory, IČO, DIČ a telefonní čísla nejsou čísla objednávek ani faktur.
- Pokud hodnota v e-mailu není, vraťte null. Nehádejte.
- Částky jako čísla s desetinnou tečkou, bez oddělovačů tisíců a bez symbolu měny.
Jak hodnotíme
Přesná shoda pole po sjednocení formátu data, částek a mezer. Chybějící diakritika se počítá jako chyba. Cena je skutečná útrata za tokeny v tomto běhu, přepočtená kurzem k datu v patičce.
Co z dokladu dostal který model
| Pole | Správná hodnota | Mistral Small 47 / 9 polí | GPT-6 Luna9 / 9 polí | Gemma 4 31B9 / 9 polí | DeepSeek V4.1 Flash9 / 9 polí | Gemini 3.5 Flash Lite8 / 9 polí | Qwen3.8 Flash9 / 9 polí | Mistral Medium 3.58 / 9 polí | Gemini 3.8 Flash9 / 9 polí | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | cancellation | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) | cancellation (správně) |
| Priorita | normal | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) | highšpatná hodnota | normal (správně) | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) |
| Nálada | negative | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) | negative (správně) |
| Jméno zákazníka | Adam Vaněk | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) | Adam Vaněk (správně) |
| Číslo objednávky | OBJ-2025-46457 | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) | OBJ-2025-46457 (správně) |
| Číslo dokladu | 3551/2025 | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) | 3551/2025 (správně) |
| Částka | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Měna | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Termín | — | 2025-07-31vymyšlená hodnota | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Tokeny | vstup / výstup | 930 / 91 | 1 018 / 108 | 934 / 80 | 1 229 / 312 | 922 / 99 | 1 238 / 989 | 930 / 81 | 922 / 684 | 1 018 / 131 | 1 239 / 348 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 45 | 0 | 239 | 0 | 889 | 0 | 585 | 68 | 227 |
| z toho z cache | vstup se slevou | 630 | 0 | 642 | 836 | 0 | 768 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0025 Kč | 0,0036 Kč | 0,0037 Kč | 0,0069 Kč | 0,0121 Kč | 0,0126 Kč | 0,0461 Kč | 0,0749 Kč | 0,0770 Kč | 0,1370 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,51 Kč | 3,58 Kč | 3,74 Kč | 6,86 Kč | 12,05 Kč | 12,60 Kč | 46,06 Kč | 74,90 Kč | 76,96 Kč | 137,03 Kč |
| Odezva | tento běh | 0,9 s | 1,8 s | 2,3 s | 6,5 s | 0,8 s | 22,2 s | 1,1 s | 3 s | 5,9 s | 7,2 s |