ModelVerdict

Linda Slavíková

CzechEmail9 fields

Document cs-p0014 · layout thread · 9 fields · public part of the dataset · Same invoice in English (US) → · Report an error in this example

Email text (the model got exactly this text)

Od: Linda Slavíková <linda.slavikova@vavrova-tuma.example>
Komu: support@simkova-bartosova.example
Datum: út 15. 4. 2025 v 16:31
Předmět: Re: Stav objednávky

Dobrý den, vážení,

píšeme znovu ohledně níže uvedené záležitosti, zatím se nic nestalo. Jsme z toho opravdu zklamaní, píšeme kvůli tomu už potřetí. Odpověď potřebujeme do čtvrtka.

S pozdravem
Linda Slavíková
Vávrová Tůma v.o.s.

Dne st 9. 4. 2025 v 18:03 odesílatel support@simkova-bartosova.example napsal:

> Dobrý den, děkujeme za zprávu, vaši žádost jsme přijali pod číslem tiketu 96853 a prověřujeme ji.
>
> Šimková Bartošová k.s.

> Dne st 9. 4. 2025 v 14:31 odesílatel Linda Slavíková <linda.slavikova@vavrova-tuma.example> napsal:

> > Dobrý den, vážení,
> >
> > potřebujeme změnit doručovací adresu u naší objednávky, zboží prosíme doručit na naši pobočku. Týká se to naší objednávky OBJ-2025-43061.
> >
> > S pozdravem
> > Linda Slavíková
> > Vávrová Tůma v.o.s.

Verdict

Cheapest without an error: Mistral Small 4 at $0.12 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 49.5× more expensive.

Prompt given to every model

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.

How we score

Exact match per field after normalising dates, amounts and whitespace. Missing diacritics count as an error. Cost is the real token spend of this run, converted at the rate shown in the footer.

What each model extracted

FieldCorrect valueMistral Small 49 / 9 fieldsGemma 4 31B9 / 9 fieldsGPT-6 Luna9 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsGemini 3.5 Flash Lite9 / 9 fieldsQwen3.8 Flash9 / 9 fieldsMistral Medium 3.59 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorydeliverydelivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)delivery (correct)
Priorityhighhigh (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)
Sentimentnegativenegative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)
Customer nameLinda SlavíkováLinda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)Linda Slavíková (correct)
Order numberOBJ-2025-43061OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)OBJ-2025-43061 (correct)
Invoice number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Amount—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Currency—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Deadline2025-04-172025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)2025-04-17 (correct)
Tokensinput / output1,050 / 821,056 / 811,144 / 1341,361 / 4981,044 / 1011,356 / 1,0221,050 / 821,044 / 7641,144 / 881,396 / 323
of which hidden reasoningbilled as output00694380919066323203
of which from cacheinput billed at a discount630642083607680000
Cost of this documentthis run$0.0001$0.0002$0.0002$0.0005$0.0006$0.0006$0.0022$0.0036$0.0037$0.0060
Per 1,000 documentsfor the same kind of document$0.12$0.18$0.21$0.45$0.57$0.58$2.19$3.65$3.74$6.02
Latencythis run0.7 s4.3 s2 s6.1 s0.7 s14.4 s0.8 s2.6 s7.1 s5.8 s