Johanne Seifert
Text e-mailu (model dostal přesně tento text)
Von: Karl-Wilhelm Kusch <karl-wilhelm.kusch@schleich-heidrich.example> An: support@schleich-heidrich.example Datum: Di., 24. Juni 2025, 8:51 Betreff: Fwd: Anmeldung funktioniert nicht Hallo, ich leite euch eine Kunden-E-Mail weiter, könnt ihr euch das bitte ansehen? Karl-Wilhelm Kusch ---------- Weitergeleitete Nachricht ---------- Von: Johanne Seifert <johanne.seifert@ackermann-mbh.example> An: support@schleich-heidrich.example Datum: Di., 24. Juni 2025, 7:26 Betreff: Anmeldung funktioniert nicht Guten Tag, seit dem letzten Update funktioniert die Anbindung an unser Buchhaltungssystem nicht mehr. Wir sind wirklich enttäuscht, wir schreiben Ihnen deswegen bereits zum dritten Mal. Unser gesamter Betrieb steht deswegen im Moment still. Mit freundlichen Grüßen Johanne Seifert Ackermann OHG mbH
Verdikt
Nejlevnější bez chyby: GPT-6 Luna za 3,08 Kč na 1000 dokladů.
- Claude Sonnet 5 je také bez chyby, ale 30× dražší.
- Mistral Small 4 je 1,5× levnější, ale: vymyšlená hodnota (Termín).
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 48 / 9 polí | GPT-6 Luna9 / 9 polí | Gemma 4 31B9 / 9 polí | Qwen3.8 Flash9 / 9 polí | DeepSeek V4.1 Flash9 / 9 polí | Gemini 3.5 Flash Lite9 / 9 polí | Mistral Medium 3.59 / 9 polí | Gemini 3.8 Flash9 / 9 polí | GPT-6 Sol9 / 9 polí | Claude Sonnet 59 / 9 polí |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kategorie | technical | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) | technical (správně) |
| Priorita | urgent | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (správně) | urgent (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 | Johanne Seifert | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) | Johanne Seifert (správně) |
| Číslo objednávky | — | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (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 | — | 2025-06-25vymyšlená hodnota | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) | — (správně) |
| Tokeny | vstup / výstup | 819 / 71 | 898 / 88 | 824 / 79 | 1 116 / 330 | 1 152 / 336 | 812 / 78 | 819 / 61 | 812 / 435 | 898 / 52 | 1 485 / 104 |
| z toho skryté přemýšlení | plací se jako výstup | 0 | 34 | 0 | 249 | 287 | 0 | 0 | 389 | 0 | 0 |
| z toho z cache | vstup se slevou | 550 | 0 | 581 | 768 | 766 | 0 | 0 | 0 | 0 | 0 |
| Cena tohoto dokladu | tento běh | 0,0021 Kč | 0,0031 Kč | 0,0034 Kč | 0,0051 Kč | 0,0072 Kč | 0,0101 Kč | 0,0388 Kč | 0,0515 Kč | 0,0533 Kč | 0,0922 Kč |
| Za 1000 dokladů | při stejném typu dokladu | 2,10 Kč | 3,08 Kč | 3,38 Kč | 5,05 Kč | 7,18 Kč | 10,09 Kč | 38,78 Kč | 51,53 Kč | 53,27 Kč | 92,23 Kč |
| Odezva | tento běh | 0,7 s | 2,6 s | 3,6 s | 6,4 s | 5,5 s | 0,7 s | 0,8 s | 2,4 s | 1,7 s | 1,8 s |