ModelVerdict

Berthold Anders

němčinaE-mail9 polí

Doklad de-p0037 · layout thread · 9 polí · veřejná část sady · Stejná faktura v jazyce: angličtina (USA) → · Nahlásit chybu v tomto příkladu

Text e-mailu (model dostal přesně tento text)

Von: Berthold Anders <berthold.anders@haase-scholz.example>
An: support@patberg.example
Datum: Do., 1. Mai 2025, 10:03
Betreff: Re: Frage zur Rechnung

Hallo,

wir schreiben erneut wegen der unten stehenden Angelegenheit, bisher ist nichts passiert. Das ist völlig inakzeptabel und ärgert uns sehr.

Viele Grüße
Berthold Anders
Haase Scholz GmbH

Am Fr., 25. April 2025, 12:43 schrieb support@patberg.example:

> Guten Tag, vielen Dank für Ihre Nachricht. Wir haben Ihre Anfrage unter der Ticketnummer 50020 erfasst und prüfen sie.
>
> Patberg

> Am Fr., 25. April 2025, 8:03 schrieb Berthold Anders <berthold.anders@haase-scholz.example>:

> > Hallo,
> >
> > die Zahlung wurde zweimal von unserem Konto abgebucht. Bitte prüfen Sie das und erstatten Sie uns den zu viel gezahlten Betrag. Rechnungsnummer: R106666.
> >
> > Viele Grüße
> > Berthold Anders
> > Haase Scholz GmbH

Verdikt

Nejlevnější bez chyby: GPT-6 Luna za 3,37 Kč na 1000 dokladů.

  • Claude Sonnet 5 je také bez chyby, ale 45,5× dražší.
  • Mistral Small 4 je 1,4× 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

PoleSprávná hodnotaMistral Small 45 / 9 políGPT-6 Luna9 / 9 políGemma 4 31B8 / 9 políDeepSeek V4.1 Flash9 / 9 políQwen3.8 Flash9 / 9 políGemini 3.5 Flash Lite8 / 9 políMistral Medium 3.58 / 9 políGemini 3.8 Flash9 / 9 políGPT-6 Sol9 / 9 políClaude Sonnet 59 / 9 polí
Kategoriebillingbilling (správně)billing (správně)billing (správně)billing (správně)billing (správně)billing (správně)billing (správně)billing (správně)billing (správně)billing (správně)
Prioritanormal highšpatná hodnotanormal (správně) highšpatná hodnotanormal (správně)normal (správně) highšpatná hodnota highšpatná hodnotanormal (správně)normal (správně)normal (správně)
Náladanegativenegative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)negative (správně)
Jméno zákazníkaBerthold AndersBerthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)Berthold Anders (správně)
Číslo objednávky—— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)
Číslo dokladuR106666R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)R106666 (správně)
Částka— 2vymyšlená hodnota— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)
Měna— EURvymyšlená hodnota— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)
Termín— 2025-05-08vymyšlená hodnota— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)— (správně)
Tokenyvstup / výstup867 / 79944 / 104876 / 661 184 / 4281 171 / 764864 / 85867 / 66864 / 476944 / 851 522 / 361
z toho skryté přemýšleníplací se jako výstup04903786780042430255
z toho z cachevstup se slevou550058176676800000
Cena tohoto dokladutento běh0,0024 Kč0,0034 Kč0,0034 Kč0,0087 Kč0,0099 Kč0,0108 Kč0,0413 Kč0,0560 Kč0,0630 Kč0,1530 Kč
Za 1000 dokladůpři stejném typu dokladu2,37 Kč3,37 Kč3,43 Kč8,74 Kč9,93 Kč10,85 Kč41,30 Kč55,96 Kč62,97 Kč153,04 Kč
Odezvatento běh1 s2,7 s3,6 s11,6 s13,7 s0,9 s0,8 s2,7 s3,3 s6,3 s