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 got 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 without an error: Gemini 3.8 Flash at $2.63 per 1,000 documents.

  • GPT-6 Sol is also error-free but 1.1× 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 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 valueGemma 4 31B7 / 9 fieldsGPT-6 Luna8 / 9 fieldsMistral Small 48 / 9 fieldsQwen3.8 Flash8 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsMistral Medium 3.57 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 58 / 9 fields
Categorybillingbilling (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)
Priorityhigh urgentwrong valuehigh (correct)high (correct)high (correct) urgentwrong value urgentwrong valuehigh (correct)high (correct)high (correct)
Sentimentpositive neutralwrong value negativewrong value negativewrong value negativewrong valuepositive (correct) neutralwrong valuepositive (correct)positive (correct) neutralwrong value
Customer nameAlexej SauerAlexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)Alexej Sauer (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Amount63.0063.00 (correct)63 (correct)63 (correct)63 (correct)63.00 (correct)63 (correct)63.00 (correct)63 (correct)63 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)
Deadline2026-07-302026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)2026-07-30 (correct)
Tokensinput / output836 / 94891 / 148827 / 721,131 / 459824 / 93827 / 73824 / 536891 / 1171,451 / 365
of which hidden reasoningbilled as output09103660044360251
of which from cacheinput billed at a discount581007680502000
Cost of this documentthis run$0.0002$0.0002$0.0002$0.0003$0.0005$0.0018$0.0026$0.0030$0.0066
Per 1,000 documentsfor the same kind of document$0.15$0.16$0.17$0.28$0.48$1.79$2.63$2.95$6.55
Latencythis run4 s2.3 s1 s9.4 s0.8 s0.7 s2.6 s3.8 s11.8 s