ModelVerdict

Antonietta Wende

GermanEmail9 fields

Document de-p0024 · layout forwarded · 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: Veit Birnbaum <veit.birnbaum@textor-roehrdanz.example>
An: support@textor-roehrdanz.example
Datum: Do., 30. April 2026, 11:16
Betreff: Fwd: Preisanfrage

Leite ich an euch weiter, das ist euer Thema. Danke.

Veit Birnbaum

---------- Weitergeleitete Nachricht ----------
Von: Antonietta Wende <antonietta.wende@adler-stiftung.example>
An: support@textor-roehrdanz.example
Datum: Do., 30. April 2026, 11:06
Betreff: Preisanfrage

Guten Tag,

wir würden gern wissen, ob Sie bei einer Abnahme von über 100 Stück Mengenrabatte gewähren. Das ist völlig inakzeptabel und ärgert uns sehr.

Viele Grüße
Antonietta Wende
Adler Stiftung & Co. KG

Verdict

Cheapest without an error: Gemma 4 31B at $0.14 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 41.3× more expensive.
  • Mistral Small 4 is 1.6× cheaper, but: wrong value (Priority).

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 valueMistral Small 47 / 9 fieldsGemma 4 31B9 / 9 fieldsGPT-6 Luna9 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsQwen3.8 Flash9 / 9 fieldsGemini 3.5 Flash Lite9 / 9 fieldsMistral Medium 3.59 / 9 fieldsGPT-6 Sol9 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsClaude Sonnet 59 / 9 fields
Categorysalessales (correct)sales (correct)sales (correct)sales (correct)sales (correct)sales (correct)sales (correct)sales (correct)sales (correct)sales (correct)
Prioritynormal highwrong valuenormal (correct)normal (correct)normal (correct)normal (correct)normal (correct)normal (correct)normal (correct)normal (correct)normal (correct)
Sentimentnegativenegative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)negative (correct)
Customer nameAntonietta WendeAntonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)Antonietta Wende (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (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)
Deadline— 2026-04-30invented value— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Tokensinput / output796 / 68815 / 59888 / 1051,122 / 2341,105 / 509803 / 78796 / 58888 / 77803 / 5491,396 / 289
of which hidden reasoningbilled as output00521854300024471185
of which from cacheinput billed at a discount550581076676800000
Cost of this documentthis run$0.0001$0.0001$0.0001$0.0002$0.0003$0.0004$0.0016$0.0025$0.0027$0.0057
Per 1,000 documentsfor the same kind of document$0.09$0.14$0.14$0.24$0.30$0.44$1.63$2.55$2.66$5.68
Latencythis run0.7 s2.9 s2.6 s2.9 s10 s0.8 s0.8 s2.2 s3.1 s4.6 s