ModelVerdict

Nadja Wiek

GermanEmail9 fields

Document de-p0025 · layout plain · 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: Nadja Wiek <nadja.wiek@textor.example>
An: support@fischer.example
Datum: Do., 27. März 2025, 7:28
Betreff: Zahlung

Hallo,

die Zahlung wurde zweimal von unserem Konto abgebucht. Bitte prüfen Sie das und erstatten Sie uns den zu viel gezahlten Betrag. Es geht um die Rechnung Nr. R109541.

Strittig ist ein Betrag von 381 €. Bitte klären Sie das bis zum 31.03.2025.

Viele Grüße
Nadja Wiek
Textor KGaA

Verdict

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

  • Gemini 3.8 Flash is also error-free but 26.1× more expensive.
  • Mistral Small 4 is 1.7× cheaper, but: wrong value (Sentiment).
  • GPT-6 Luna is 1× 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 valueMistral Small 48 / 9 fieldsGPT-6 Luna8 / 9 fieldsGemma 4 31B9 / 9 fieldsDeepSeek V4.1 Flash8 / 9 fieldsQwen3.8 Flash8 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsMistral Medium 3.58 / 9 fieldsGPT-6 Sol9 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsClaude Sonnet 58 / 9 fields
Categorybillingbilling (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)billing (correct)
Priorityhighhigh (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)high (correct)
Sentimentneutral negativewrong value negativewrong valueneutral (correct) negativewrong value negativewrong value negativewrong value negativewrong valueneutral (correct)neutral (correct) negativewrong value
Customer nameNadja WiekNadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)Nadja Wiek (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice numberR109541R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)R109541 (correct)
Amount381.00381 (correct)381 (correct)381.00 (correct)381 (correct)381 (correct)381.00 (correct)381 (correct)381 (correct)381 (correct)381 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)
Deadline2025-03-312025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)2025-03-31 (correct)
Tokensinput / output730 / 82813 / 115737 / 1031,041 / 1671,030 / 718725 / 102730 / 82813 / 131725 / 8611,282 / 173
of which hidden reasoningbilled as output0540111616007076157
of which from cacheinput billed at a discount55005817667680502000
Cost of this documentthis run$0.0001$0.0001$0.0001$0.0002$0.0004$0.0005$0.0017$0.0029$0.0038$0.0043
Per 1,000 documentsfor the same kind of document$0.08$0.14$0.14$0.18$0.39$0.47$1.71$2.94$3.77$4.29
Latencythis run0.6 s2.1 s2.1 s2 s12.8 s0.7 s0.8 s3.7 s4.2 s3.2 s