Petra Šťastná

CzechEmail9 fields

Document cs-p0015 · 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: Petra Šťastná <petra.stastna@kasparova.example>
Komu: support@kralova-stejskalova.example
Datum: po 13. 1. 2025 v 16:08
Předmět: Re: Poškozená dodávka

Dobrý den, vážení,

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

Hezký den
Petra Šťastná
Kašparová

Dne st 8. 1. 2025 v 17:39 odesílatel support@kralova-stejskalova.example napsal:

> Dobrý den, požadavek evidujeme jako tiket č. 77194, ozveme se co nejdříve.
>
> Králová Stejskalová v.o.s.

> Dne st 8. 1. 2025 v 16:08 odesílatel Petra Šťastná <petra.stastna@kasparova.example> napsal:

> > Dobrý den, vážení,
> >
> > dodané díly neodpovídají objednávce, poslali jste nám jiný typ. Týká se to naší objednávky OBJ-2025-03177. Zaplatili jsme 40,25 EUR.
> >
> > Hezký den
> > Petra Šťastná
> > Kašparová

Verdict

Cheapest without an error: Gemma 4 31B at $0.18 per 1,000 documents.

GPT-6 Sol is also error-free but 20.5× more expensive.
Mistral Small 4 is 1.4× cheaper, but: wrong value (Priority).

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

Field	Correct value	Mistral Small 47 / 9 fields	Gemma 4 31B9 / 9 fields	GPT-6 Luna9 / 9 fields	DeepSeek V4.1 Flash9 / 9 fields	Qwen3.8 Flash9 / 9 fields	Gemini 3.5 Flash Lite9 / 9 fields	Mistral Medium 3.58 / 9 fields	Gemini 3.8 Flash9 / 9 fields	GPT-6 Sol9 / 9 fields	Claude Sonnet 58 / 9 fields
Category	complaint	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)	complaint (correct)
Priority	normal	highwrong value	normal (correct)	normal (correct)	normal (correct)	normal (correct)	normal (correct)	highwrong value	normal (correct)	normal (correct)	highwrong value
Sentiment	negative	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)	negative (correct)
Customer name	Petra Šťastná	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)	Petra Šťastná (correct)
Order number	OBJ-2025-03177	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)	OBJ-2025-03177 (correct)
Invoice number	—	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)
Amount	40.25	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)	40.25 (correct)
Currency	EUR	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)	EUR (correct)
Deadline	—	2025-01-20invented value	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)	— (correct)
Tokens	input / output	1,029 / 92	1,029 / 79	1,114 / 250	1,334 / 270	1,333 / 719	1,017 / 98	1,029 / 82	1,017 / 632	1,114 / 81	1,342 / 119
of which hidden reasoning	billed as output	0	0	186	196	619	0	0	534	17	0
of which from cache	input billed at a discount	630	642	0	836	768	0	0	0	0	0
Cost of this document	this run	$0.0001	$0.0002	$0.0003	$0.0003	$0.0004	$0.0006	$0.0022	$0.0031	$0.0036	$0.0039
Per 1,000 documents	for the same kind of document	$0.12	$0.18	$0.26	$0.29	$0.43	$0.55	$2.16	$3.13	$3.59	$3.87
Latency	this run	0.9 s	4.6 s	2.9 s	3.7 s	18.6 s	0.8 s	0.9 s	2.9 s	2.6 s	1.8 s