ModelVerdict

Jarmila Jarošová

CzechEmail9 fields

Document cs-p0040 · layout thread · 9 fields · public part of the dataset · Same invoice in English (US) → · Report an error in this example

Email text (the model received exactly this text)

Od: Jarmila Jarošová <jarmila.jarosova@jarosova.example>
Komu: support@strnadova.example
Datum: st 3. 6. 2026 v 14:26
Předmět: Re: Chyba v aplikaci

Dobrý den,

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

S pozdravem
Jarmila Jarošová
Jarošová k.s.

Dne so 30. 5. 2026 v 15:49 odesílatel support@strnadova.example napsal:

> Dobrý den, děkujeme za zprávu, vaši žádost jsme přijali pod číslem tiketu 38153 a prověřujeme ji.
>
> Strnadová

> Dne so 30. 5. 2026 v 11:26 odesílatel Jarmila Jarošová <jarmila.jarosova@jarosova.example> napsal:

> > Dobrý den,
> >
> > po poslední aktualizaci nefunguje napojení na náš účetní systém.
> >
> > S pozdravem
> > Jarmila Jarošová
> > Jarošová k.s.

Verdict

Cheapest with no errors: GPT-6 Luna at $0.20 per 1,000 documents.

  • Mistral Large 4 is also error-free, but 29.4× more expensive.
  • Mistral Small 4 is 1.9× cheaper, but: wrong value (Priority).
  • Gemma 4 31B is 1.2× 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 normalizing dates, amounts, and whitespace. Missing diacritics count as an error. Cost is the actual token spend of this run, converted at the rate shown in the footer.

Free with login

Every model's output for this document, field by field. The first three examples of each task are open.

Just your email, no password.

Log in with email

We use your email only to log you in (and for the digest if you tick it). No spam.