ModelVerdict

Ibrahim Walter

GermanEmail9 fields

Document de-p0031 · 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: Ibrahim Walter <ibrahim.walter@fechner.example>
An: support@ruppersberger.example
Datum: Mi., 29. Oktober 2025, 10:25
Betreff: Zahlung

Hallo,

auf Ihrer letzten Rechnung stimmt der Betrag nicht, Sie haben uns eine Position mehr berechnet, als wir abgenommen haben. Es betrifft die Rechnung 202505198.

Strittig ist ein Betrag von 481 EUR. Wir benötigen eine Antwort bis zum 12. November.

Mit freundlichen Grüßen

Ibrahim Walter
Office Management
Fechner KG
Viktoria-Jungfer-Platz 7-9
23697 Freudenstadt
Tel.: +49 89 525 6691
Amtsgericht Hannover, HRB 38051
USt-IdNr.: DE492403611

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

Verdict

Cheapest without an error: GPT-6 Sol at $2.96 per 1,000 documents.

  • Gemini 3.8 Flash is also error-free but 1.1× more expensive.
  • Mistral Small 4 is 30.6× cheaper, but: wrong value (Priority).
  • GPT-6 Luna is 20.7× cheaper, but: wrong value (Sentiment).
  • Gemma 4 31B is 18.9× 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 fieldsGPT-6 Luna8 / 9 fieldsGemma 4 31B7 / 9 fieldsDeepSeek V4.1 Flash8 / 9 fieldsQwen3.8 Flash8 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsMistral Medium 3.57 / 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)
Prioritynormal highwrong valuenormal (correct) highwrong valuenormal (correct)normal (correct)normal (correct) highwrong valuenormal (correct)normal (correct)normal (correct)
Sentimentneutral negativewrong value negativewrong value negativewrong value negativewrong value negativewrong value negativewrong value negativewrong valueneutral (correct)neutral (correct) negativewrong value
Customer nameIbrahim WalterIbrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)Ibrahim Walter (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice number202505198202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)202505198 (correct)
Amount481.00481 (correct)481 (correct)481.00 (correct)481 (correct)481 (correct)481.00 (correct)481 (correct)481 (correct)481 (correct)481 (correct)
CurrencyEUREUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)EUR (correct)
Deadline2025-11-122025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)2025-11-12 (correct)
Tokensinput / output813 / 82877 / 111825 / 1041,107 / 2251,114 / 451813 / 103813 / 82877 / 121813 / 7271,423 / 159
of which hidden reasoningbilled as output0520171349006262641
of which from cacheinput billed at a discount550058176676800000
Cost of this documentthis run$0.0001$0.0001$0.0002$0.0002$0.0003$0.0005$0.0018$0.0030$0.0033$0.0044
Per 1,000 documentsfor the same kind of document$0.10$0.14$0.16$0.23$0.28$0.50$1.83$2.96$3.34$4.44
Latencythis run0.8 s3.5 s1.7 s3.5 s10.6 s0.9 s1.1 s4.6 s3.4 s6.9 s