Paca Ibañez
Email text (the model got exactly this text)
De: Paca Ibañez <paca.ibanez@familia-lumbreras.example> Para: support@talleres-rc.example Fecha: mié., 29 de octubre de 2025, 10:25 Asunto: Error en la facturación Buenos días: El pago se ha cargado dos veces en nuestra cuenta. Les rogamos que lo comprueben y nos devuelvan el importe cobrado de más. Número de factura: FAC-2025-3632. El importe en cuestión asciende a 481,22 EUR. Necesitamos una solución como muy tarde el 12 de noviembre. Muchas gracias y un cordial saludo, Paca Ibañez Dirección de Operaciones Familia Lumbreras S.Coop. Rambla de Calixta Galiano, 8 03822 Alicante Tel.: +34 965 12 07 56 CIF: F41360827 Este mensaje y sus archivos adjuntos son confidenciales y van dirigidos exclusivamente a su destinatario.
Verdict
Cheapest without an error: Qwen3.8 Flash at $0.41 per 1,000 documents.
- Claude Sonnet 5 is also error-free but 13.3× more expensive.
- Mistral Small 4 is 3.9× cheaper, but: wrong value (Priority).
- Gemma 4 31B is 2.7× cheaper, but: wrong value (Priority).
- GPT-6 Luna is 2.6× cheaper, but: wrong value (Sentiment).
Prompt given to every model
Usted clasifica correos electrónicos del servicio de atención al cliente. Lea el correo de abajo y devuelva solo JSON con estas claves:
category uno de los valores: billing (facturas, pagos, facturación), delivery (dónde está el pedido,
envío, cambio de dirección), complaint (mercancía dañada, equivocada o defectuosa, reclamación),
technical (inicio de sesión, errores en la aplicación o el sistema, integraciones), cancellation (anulación
de un pedido, rescisión de un contrato o una suscripción), sales (consulta, precios, interés antes de la compra)
priority uno de los valores: urgent, high, normal, low (reglas abajo)
sentiment uno de los valores: positive, neutral, negative (tono del cliente)
customer_name nombre completo del cliente que ha escrito la solicitud
order_number número de pedido del cliente, si se indica
invoice_number número de factura, si se indica
amount importe al que se refiere la solicitud (número)
currency código de la moneda de ese importe según ISO 4217 (EUR, CZK, USD, …)
deadline fecha hasta la que el cliente quiere una solución o una respuesta (YYYY-MM-DD)
Reglas de prioridad:
- urgent: el cliente no puede trabajar en este momento, o el plazo vence como máximo 1 día después de la fecha del correo
- high: el plazo vence como máximo 7 días después de la fecha del correo, o el cliente amenaza con poner fin
a la colaboración o con escalar el asunto (abogado)
- low: el cliente escribe expresamente que no corre prisa
- normal: todo lo demás
Reglas:
- Hilo de mensajes: evalúe el mensaje más reciente; los números de pedido y de factura y los importes pueden
proceder de mensajes anteriores citados. Correo reenviado: el cliente es el remitente original,
no el compañero que lo ha reenviado.
- Los plazos relativos («para el viernes», «para mañana», «antes de fin de mes») calcúlelos a partir de la fecha
del mensaje en el que aparecen.
- Los números de incidencia del servicio de atención al cliente, los datos del Registro Mercantil, el CIF/NIF y los
números de teléfono no son números de pedido ni de factura.
- Si un valor no figura en el correo, devuelva null. No adivine.
- Importes como números con punto decimal, sin separador de miles y sin símbolo de moneda.
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
| Field | Correct value | Mistral Small 47 / 9 fields | Gemma 4 31B8 / 9 fields | GPT-6 Luna8 / 9 fields | DeepSeek V4.1 Flash8 / 9 fields | Qwen3.8 Flash9 / 9 fields | Gemini 3.5 Flash Lite8 / 9 fields | Mistral Medium 3.58 / 9 fields | GPT-6 Sol9 / 9 fields | Gemini 3.8 Flash9 / 9 fields | Claude Sonnet 59 / 9 fields |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Category | billing | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) | billing (correct) |
| Priority | normal | highwrong value | highwrong value | normal (correct) | normal (correct) | normal (correct) | normal (correct) | highwrong value | normal (correct) | normal (correct) | normal (correct) |
| Sentiment | neutral | negativewrong value | neutral (correct) | negativewrong value | negativewrong value | neutral (correct) | negativewrong value | neutral (correct) | neutral (correct) | neutral (correct) | neutral (correct) |
| Customer name | Paca Ibañez | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) | Paca Ibañez (correct) |
| Order number | — | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) | — (correct) |
| Invoice number | FAC-2025-3632 | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) | FAC-2025-3632 (correct) |
| Amount | 481.22 | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) | 481.22 (correct) |
| Currency | EUR | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) | EUR (correct) |
| Deadline | 2025-11-12 | 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) | 2025-11-12 (correct) |
| Tokens | input / output | 829 / 90 | 833 / 88 | 903 / 135 | 1,140 / 286 | 1,153 / 715 | 821 / 108 | 829 / 90 | 903 / 65 | 821 / 562 | 1,238 / 291 |
| of which hidden reasoning | billed as output | 0 | 0 | 68 | 223 | 605 | 0 | 0 | 0 | 454 | 166 |
| of which from cache | input billed at a discount | 550 | 570 | 0 | 766 | 768 | 0 | 502 | 0 | 0 | 0 |
| Cost of this document | this run | $0.0001 | $0.0002 | $0.0002 | $0.0003 | $0.0004 | $0.0005 | $0.0019 | $0.0025 | $0.0027 | $0.0054 |
| Per 1,000 documents | for the same kind of document | $0.10 | $0.15 | $0.16 | $0.28 | $0.41 | $0.52 | $1.92 | $2.46 | $2.72 | $5.39 |
| Latency | this run | 1.1 s | 2.5 s | 2.3 s | 3 s | 10.3 s | 0.8 s | 0.9 s | 1.8 s | 2.7 s | 5.4 s |