Sibille Lehmann
Text e-mailu (model dostal přesně tento text)
Von: Zbigniew Eberhardt <zbigniew.eberhardt@mitschke.example> An: support@mitschke.example Datum: Mi., 21. Mai 2025, 8:24 Betreff: Fwd: Bestellstatus Leite ich an euch weiter, das ist euer Thema. Danke. Zbigniew Eberhardt ---------- Weitergeleitete Nachricht ---------- Von: Sibille Lehmann <sibille.lehmann@soelzer.example> An: support@mitschke.example Datum: Mi., 21. Mai 2025, 7:50 Betreff: Bestellstatus Sehr geehrte Damen und Herren, die bestellte Ware ist immer noch nicht bei uns angekommen, obwohl sie letzte Woche hätte geliefert werden sollen. Es betrifft unsere Bestellung A25-025888. Vielen Dank, wir arbeiten sehr gern mit Ihnen zusammen. Wir benötigen eine Antwort bis zum 11. Juni. Viele Grüße Sibille Lehmann Sölzer
Verdikt
Nejlevnější bez chyby: GPT-6 Luna za 3,43 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 39× dražší.
- Mistral Small 4 je 1,6× levnější, ale: špatná hodnota (Priorita).
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 47 / 9 polí | GPT-6 Luna9 / 9 polí | Gemma 4 31B9 / 9 polí | DeepSeek V4.1 Flash8 / 9 polí | Gemini 3.5 Flash Lite8 / 9 polí | Qwen3.8 Flash9 / 9 polí | Mistral Medium 3.57 / 9 polí | Gemini 3.8 Flash9 / 9 polí | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | delivery | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) | delivery (správně) |
| Priorita | normal | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) | normal (správně) | normal (správně) | highšpatná hodnota | normal (správně) | normal (správně) | normal (správně) |
| Nálada | positive | neutralšpatná hodnota | positive (správně) | positive (správně) | negativešpatná hodnota | neutralšpatná hodnota | positive (správně) | neutralšpatná hodnota | positive (správně) | positive (správně) | positive (správně) |
| Jméno zákazníka | Sibille Lehmann | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) | Sibille Lehmann (správně) |
| Číslo objednávky | A25-025888 | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) | A25-025888 (správně) |
| Číslo dokladu | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Částka | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Měna | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Termín | 2025-06-11 | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) | 2025-06-11 (správně) |
| Tokeny | vstup / výstup | 810 / 78 | 893 / 120 | 820 / 99 | 1 133 / 365 | 808 / 98 | 1 121 / 1 019 | 810 / 78 | 808 / 559 | 893 / 116 | 1 454 / 291 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 57 | 0 | 307 | 0 | 918 | 0 | 461 | 53 | 173 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 766 | 0 | 768 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0022 Kč | 0,0034 Kč | 0,0036 Kč | 0,0075 Kč | 0,0112 Kč | 0,0125 Kč | 0,0414 Kč | 0,0622 Kč | 0,0678 Kč | 0,1338 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,16 Kč | 3,43 Kč | 3,55 Kč | 7,52 Kč | 11,21 Kč | 12,52 Kč | 41,40 Kč | 62,15 Kč | 67,76 Kč | 133,81 Kč |
| Odezva | tento běh | 0,7 s | 3,3 s | 5,1 s | 5,2 s | 0,7 s | 17,9 s | 1 s | 2,9 s | 2,7 s | 5,2 s |