Reinhart Plath
Text e-mailu (model dostal přesně tento text)
Von: Reinhart Plath <reinhart.plath@berger-roskoth.example> An: support@kaester.example Datum: Mo., 13. April 2026, 11:16 Betreff: Beschädigte Lieferung Sehr geehrte Damen und Herren, die gelieferten Teile entsprechen nicht unserer Bestellung, Sie haben uns einen anderen Typ geschickt. Es betrifft unsere Bestellung 4500045884. Der Wert der reklamierten Ware beträgt 30,38 €. Das ist völlig inakzeptabel und ärgert uns sehr. Sollte das nicht gelöst werden, beenden wir die Zusammenarbeit mit Ihnen. Wir benötigen eine Antwort bis Mittwoch. Vielen Dank und freundliche Grüße Reinhart Plath Berger Roskoth GmbH & Co. KG
Verdikt
Nejlevnější bez chyby: Mistral Small 4 za 2,16 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 58,5× dražší.
Zadání pro všechny modely
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.
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 49 / 9 polí | GPT-6 Luna9 / 9 polí | Gemma 4 31B9 / 9 polí | DeepSeek V4.1 Flash9 / 9 polí | Qwen3.8 Flash9 / 9 polí | Gemini 3.5 Flash Lite9 / 9 polí | Mistral Medium 3.59 / 9 polí | GPT-6 Sol9 / 9 polí | Gemini 3.8 Flash9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | complaint | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) | complaint (správně) |
| Priorita | high | high (správně) | high (správně) | high (správně) | high (správně) | high (správně) | high (správně) | high (správně) | high (správně) | high (správně) | high (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 | Reinhart Plath | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) | Reinhart Plath (správně) |
| Číslo objednávky | 4500045884 | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) | 4500045884 (správně) |
| Číslo dokladu | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Částka | 30.38 | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) | 30.38 (správně) |
| Měna | EUR | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) | EUR (správně) |
| Termín | 2026-04-15 | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) | 2026-04-15 (správně) |
| Tokeny | vstup / výstup | 768 / 88 | 846 / 127 | 772 / 108 | 1 086 / 286 | 1 066 / 905 | 760 / 107 | 768 / 88 | 846 / 100 | 760 / 653 | 1 379 / 273 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 62 | 0 | 227 | 797 | 0 | 0 | 35 | 546 | 153 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 768 | 768 | 0 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0022 Kč | 0,0034 Kč | 0,0035 Kč | 0,0061 Kč | 0,0111 Kč | 0,0114 Kč | 0,0417 Kč | 0,0619 Kč | 0,0694 Kč | 0,1262 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,16 Kč | 3,41 Kč | 3,48 Kč | 6,07 Kč | 11,09 Kč | 11,40 Kč | 41,68 Kč | 61,92 Kč | 69,43 Kč | 126,22 Kč |
| Odezva | tento běh | 0,7 s | 2,4 s | 4,6 s | 4,1 s | 16,2 s | 0,9 s | 0,8 s | 3,2 s | 2,9 s | 4,2 s |