Metodika měření — c1-stats-1.0

Verze 1.0, platná od 20. 9. 2026. Zmrazená: změna metodiky znamená novou verzi,

přeměření, oznámení zákazníkům a přepočet historie — nikdy tiše.

Tenhle dokument je zdroj, ne marketing. Čísla v něm mají uvedený původ a co je

vlastní odhad, je tak označené.

1. Co měříme

Cenu za jeden dodaný doklad. Ne cenu za jeden pokus a ne cenu za tisíc

tokenů. Dodaný doklad je takový, u kterého výstup modelu prošel, nebo prošel po

zásahu člověka. Pokus, který skončil selháním, se nezahodí — zdražuje ty

doklady, které dodané byly.

Jediná měřená třída je C1 — extrakce z obchodních dokladů: faktura,

dobropis, účtenka, proforma, výpis. Jazyky CS, DE, EN; měny EUR, CZK, USD.

2. Jak se jeden běh hodnotí

Každý běh dostane právě jeden ze tří výsledků:

Aritmetická brána (S5.6): základ + DPH = celkem s tolerancí 0,01 a rozpis

DPH po sazbách musí dát součet. Tohle funguje bez anotací — u zákaznického

dokladu nemáme ground truth, takže povinná pole a aritmetika jsou to, co ho

známkuje. Proto u vlastních dokladů nedostanete tvrzení o přesnosti, ale

tvrzení o tom, kolik dokladů projde bez zásahu.

3. Vzorec

```

cena_za_dodaný_dokument = ( E[cena_běhu] + p_review · C_review ) / ( p_pass + p_review )

cena_za_striktní_úspěch = E[cena_běhu] / p_pass

číslo_do_smlouvy = batch-level p90 při N = váš měsíční objem

```

• REVIEW je v čitateli i ve jmenovateli: kontrola stojí peníze a doklad je

dodaný.

• FAIL je v čitateli, ale ne ve jmenovateli: pokus se zaplatil a doklad

z něj nevznikl.

• C_review je vaše cena jednoho zásahu člověka. Když ji nedodáte, počítáme

0,60 € a je to označené jako *vlastní odhad FutuGen, neověřeno

u zákazníka*, včetně citlivosti na 0,30 / 0,60 / 1,50 €.

Číslo do smlouvy je batch-level p90 při vašem objemu. Run-level p90 je

diagnostika, nikdy cena.

4. Co se nikdy netvrdí

• p90/p50 není míra rozptylu. Poměr percentilů neříká nic o riziku

a v našich výstupech se jako údaj o rozptylu neobjeví.

• Jedno souhrnné číslo rozptylu neexistuje. Rozklad je dvakrát zvlášť:

cost_run bez C_review, a p_review přes Wilsonův interval.

• Okenní rozptyl (cena podle denní doby) se vykazuje samostatně a

nevstupuje do žádného prahu.

• „Ušetříte … €" bez intervalu se nenapíše. Generátor reportu takovou

větu odmítne a report nevznikne.

5. Kdy se vysloví verdikt

Verdikt je jedna z pěti větví a vzniká výhradně z rozhodovací tabulky:

Soudí se na dolní mezi 95% intervalu, ne na bodovém odhadu. Když interval

spočítat nejde, je ve výstupu viditelně judged_on: point_estimate.

Rozlišení: práh je n = 300 běhů v každém kraji poměru; pohodlné

rozlišení, při kterém lze mluvit o procentním rozdílu, je n ≈ 686. Věta

o rozlišení je v každém reportu.

6. Odkud jsou ceny

Každé číslo nese zdroj, čas pozorování a důvěru:

```

confidence ∈ { verified, extracted, disputed, stale, unverified }

```

• verified — shoda primárního ceníku s referenčním zdrojem. **Jen taková

cena se použije k měření.**

• extracted — přečteno ze stránky poskytovatele, bez druhého potvrzení.
• disputed — dva zdroje se neshodly. Zobrazí se s příznakem, k měření se

nepoužije.

• stale — starší než 7 dnů.
• unverified — bez ověření.

Hierarchie: primary > reference > aggregator. Agregátor není zdroj

pravdy. Aktuální stav sběru je veřejně na /stav-sluzby.

Kolo se počítá proti jednomu snímku ceníku (price_snapshot_id) a ten je

v každém výsledku, takže se kolo dá kdykoli přepočítat z historie. Cena se

nikdy neopisuje do výsledku.

7. Rozpočtové stropy

Měření se zastaví a nahlásí, nikdy nepokračuje ve špatném stavu:

8. Co se dělá s vašimi doklady

• Nahrát je jde jen po ověření pracovního e-mailu a odkliknutí obchodních

podmínek a zpracovatelské smlouvy.

• Dokument se pseudonymizuje před jakýmkoli odesláním poskytovateli.

Originál neopouští náš stroj. Bez výjimky.

• Doklady mažeme do 30 dnů od posledního kola, dřív na požádání. Export na

jedno volání.

• Fotku ani sken zpracovat neumíme: pseudonymizovat jde jen text, a poslat

nepseudonymizovaný obrázek je vyloučené.

9. Kolik běhů co spotřebuje

1 kredit = 1 dokument × 1 model × 1 běh. Kredit se rezervuje před během

a nevyužitý se vrací. Měření zdarma je 100 kreditů jednou na doménu.

Když kredity nedosáhnou na plný rozsah, ubere se opakování, ne model: bez

druhého běhu přijdeme o rozptyl (diagnostika), bez modelu byste přišli

o srovnání (to je produkt).

10. Co je otevřené

• Cachování u opakovaných běhů téhož dokladu může cenu stlačit dolů.

Zatím se necachuje a v metodických poznámkách reportu je to napsané.

Rozhodnutí, jestli vykazovat první běh zvlášť, otevřené.

• Ground truth pro Sledování+ — do rozhodnutí, kdo anotuje, existuje jen

aritmetická brána, a tvrzení o přesnosti proti anotaci nedáváme.

11. Verze

Zvýšení stropu výstupu z 2 000 na 6 000 tokenů 20. 9. 2026 bylo změnou

měřicího nastavení, proto c1-harness-1.1 a přeměření. Tiše se to nezměnilo.