ModelVerdict

Alexej Sauer

GermanEmail9 fields

Document de-p0007 · layout signature · 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)

Von: Alexej Sauer <alexej.sauer@flantz.example>
An: support@graf-stiftung.example
Datum: Di., 28. Juli 2026, 15:47
Betreff: Frage zur Rechnung

Sehr geehrte Damen und Herren,

auf Ihrer letzten Rechnung stimmt der Betrag nicht, Sie haben uns eine Position mehr berechnet, als wir abgenommen haben. Der strittige Betrag beläuft sich auf 63 €.

Ansonsten sind wir mit Ihrem Service sehr zufrieden, Sie haben uns immer schnell geholfen. Wir brauchen eine Lösung bis zum 30.07.2026.

Viele Grüße

Alexej Sauer
Einkauf
Flantz
Gotthardgasse 38
18718 Perleberg
Tel.: +49 69 541 8371
Amtsgericht Hamburg, HRB 20929
USt-IdNr.: DE858230876

Diese E-Mail und ihre Anhänge sind vertraulich und ausschließlich für den Adressaten bestimmt.

Verdict

Cheapest with no errors: Gemini 3.8 Flash at $2.63 per 1,000 documents.

  • Claude Sonnet 5.5 is also error-free, but 1.4× more expensive.
  • Gemma 4 31B is 17× cheaper, but: wrong value (Priority).
  • GPT-6 Luna is 16.1× cheaper, but: wrong value (Sentiment).
  • Mistral Small 4 is 15.7× cheaper, but: wrong value (Sentiment).

Prompt given to every model

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.

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.