ModelVerdict

Berthold Anders

GermanEmail9 fields

Document de-p0037 · layout thread · 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: Berthold Anders <berthold.anders@haase-scholz.example>
An: support@patberg.example
Datum: Do., 1. Mai 2025, 10:03
Betreff: Re: Frage zur Rechnung

Hallo,

wir schreiben erneut wegen der unten stehenden Angelegenheit, bisher ist nichts passiert. Das ist völlig inakzeptabel und ärgert uns sehr.

Viele Grüße
Berthold Anders
Haase Scholz GmbH

Am Fr., 25. April 2025, 12:43 schrieb support@patberg.example:

> Guten Tag, vielen Dank für Ihre Nachricht. Wir haben Ihre Anfrage unter der Ticketnummer 50020 erfasst und prüfen sie.
>
> Patberg

> Am Fr., 25. April 2025, 8:03 schrieb Berthold Anders <berthold.anders@haase-scholz.example>:

> > Hallo,
> >
> > die Zahlung wurde zweimal von unserem Konto abgebucht. Bitte prüfen Sie das und erstatten Sie uns den zu viel gezahlten Betrag. Rechnungsnummer: R106666.
> >
> > Viele Grüße
> > Berthold Anders
> > Haase Scholz GmbH

Verdict

Cheapest without an error: GPT-6 Luna at $0.15 per 1,000 documents.

  • Claude Sonnet 5 is also error-free but 45.5× more expensive.
  • Mistral Small 4 is 1.4× 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 45 / 9 fieldsGPT-6 Luna9 / 9 fieldsGemma 4 31B8 / 9 fieldsDeepSeek V4.1 Flash9 / 9 fieldsQwen3.8 Flash9 / 9 fieldsGemini 3.5 Flash Lite8 / 9 fieldsMistral Medium 3.58 / 9 fieldsGemini 3.8 Flash9 / 9 fieldsGPT-6 Sol9 / 9 fieldsClaude Sonnet 59 / 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) highwrong value highwrong valuenormal (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 nameBerthold AndersBerthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)Berthold Anders (correct)
Order number—— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Invoice numberR106666R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)R106666 (correct)
Amount— 2invented value— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Currency— EURinvented value— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Deadline— 2025-05-08invented value— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)— (correct)
Tokensinput / output867 / 79944 / 104876 / 661,184 / 4281,171 / 764864 / 85867 / 66864 / 476944 / 851,522 / 361
of which hidden reasoningbilled as output04903786780042430255
of which from cacheinput billed at a discount550058176676800000
Cost of this documentthis run$0.0001$0.0001$0.0001$0.0004$0.0004$0.0005$0.0018$0.0024$0.0027$0.0067
Per 1,000 documentsfor the same kind of document$0.10$0.15$0.15$0.38$0.43$0.47$1.80$2.43$2.74$6.65
Latencythis run1 s2.7 s3.6 s11.6 s13.7 s0.9 s0.8 s2.7 s3.3 s6.3 s