What's new
- No more memorized text on blank pages. On empty scanned pages MoganOCR-TR often wrote a memorized passage ("1. BÖLÜM / KALP VE DAMAR HASTALIKLARI…") or looped until the token limit. 1.5 returns an empty output, or only what is really on the page (page number,
<figure/>, form boxes).
- Better tables. Table TEDS rises from 82.5 to 86.9.
- No repetition loops. On TurkishOCR-Bench, pages that loop until the token limit went from 2 to 0; on text pages of the held-out set, from 8 to 0.
- Better on scanned pages. Text usability on scanned pages rises from 71.0 to 78.4.
Results
TurkishOCR-Bench: 488 hard pages, 10 categories, scored with the published pipeline (oku_puanla.py + tob_v3.py, CDM included). Images up to 4,194,304 pixels (the processor default, which gave the best results), up to 8,000 new tokens.
Table with columns: MoganOCR-TR, MoganOCR-TR-1.5 | MoganOCR-TR | MoganOCR-TR-1.5 |
|---|
| TOB score | 89.9 | 91.9 |
| Text_TR | 89.4 | 91.0 |
| Table (TEDS) | 82.5 | 86.9 |
| Formula (CDM) | 97.8 | 97.8 |
| Clean pages | 65.8% | 68.3% |
| Unreliable pages | 26.8% | 24.7% |
| Turkish-character tests | 97.6 | 99.2 |
| Pages looping to the token limit | 2 | 0 |
Demo
Real MoganOCR-TR-1.5 outputs on three TurkishOCR-Bench pages (from the benchmark run; the model has not seen these pages in training): the raw Markdown as it is generated and the rendered result. All three pages score full marks.
Pages: Bayram, Sevilgen, İbiş, GU J Sci Part C 10(1), 2022 (CC BY-SA 4.0); Aşıcıoğlu et al., Acta Odontologica Turcica, 2026 (CC BY 4.0); Bektaşi Şairleri ve Nefesleri, p. 160 (public domain, Wikimedia Commons).
How it was trained
Starting from MoganOCR-TR, with the vision encoder frozen:
- GRPO (DAPO loss, TRL + vLLM): 125 steps, 8 pages × 8 samples per step. Pages were chosen where the model's own samples disagreed. Reward: text similarity, table row and number F1, empty output on blank pages, zero for loops and truncated outputs.
- Short SFT (1 epoch, 1,086 pages): blank pages that RL could not fix, plus the model's own high-scoring outputs on text pages to prevent forgetting.
- Weight averaging: 50% RL model + 50% SFT model. The SFT model alone fixed blank pages but skipped about 5% of text pages; the average keeps both.
Usage
The prompt is always Sayfayı markdown olarak yaz. ("Write the page as markdown."). Keep thinking off (the chat template default), decode greedily and allow up to 8,000 new tokens. Keep the processor's default image limit of 4,194,304 pixels; the results above were measured with it.
vLLM
vllm serve moganai/MoganOCR-TR-1.5 --max-model-len 32768 --limit-mm-per-prompt '{"image": 1, "video": 0}'
import base64, requests img = base64.b64encode(open("page.png", "rb").read()).decode()r = requests.post("http://localhost:8000/v1/chat/completions", json={ "model": "moganai/MoganOCR-TR-1.5", "temperature": 0, "max_tokens": 8000, "chat_template_kwargs": {"enable_thinking": False}, "messages": [{"role": "user", "content": [ {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img}"}}, {"type": "text", "text": "Sayfayı markdown olarak yaz."}, ]}],})print(r.json()["choices"][0]["message"]["content"])
MTP: mtp.safetensors is the MTP head of MoganOCR-TR, not retrained for 1.5. Enable it with --speculative-config '{"method": "mtp", "num_speculative_tokens": 3}'. The speed-up was not re-measured for 1.5.
from PIL import Imagefrom transformers import AutoModelForImageTextToText, AutoProcessor model_id = "moganai/MoganOCR-TR-1.5"model = AutoModelForImageTextToText.from_pretrained(model_id, dtype="bfloat16", device_map="auto")processor = AutoProcessor.from_pretrained(model_id) messages = [{"role": "user", "content": [ {"type": "image", "image": Image.open("page.png")}, {"type": "text", "text": "Sayfayı markdown olarak yaz."},]}]inputs = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt").to(model.device)out = model.generate(**inputs, max_new_tokens=8000, do_sample=False)print(processor.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))
Resolution: the processor accepts images up to 4,194,304 pixels by default, so an A4 page at 200 dpi goes in unscaled (about 3,800 visual tokens). All benchmark numbers above use this setting, which gave the best results; avoid lowering max_pixels.
Table with columns: Content, Format| Content | Format |
|---|
| Text, headings, lists | Markdown. One paragraph per line; words hyphenated at line ends are joined. |
| Tables | HTML <table>, merged cells as rowspan / colspan |
| Formulas | LaTeX, inline $...$ and block $$...$$ |
| Running header / footer | <header>...</header> and <footer>...</footer> |
| Figures | <figure/> |
License
Apache 2.0
Citation
@article{tasdemir2026moganocr, title = {MoganOCR-TR and TurkishOCR-Bench: A Vision-Language OCR Model and Page-Level Evaluation Set for Turkish Document Parsing}, author = {Aleyna Tasdemir and Furkan Yilmaz and Muhammed Faruk Gozay}, year = {2026}}
MoganOCR-TR-1.5 (Türkçe)
MoganOCR-TR-1.5, Türkçe belgeler için 2B parametreli OCR modeli MoganOCR-TR'nin yeni sürümüdür. Tek bir sayfa görüntüsünü okuyup bütün sayfayı okuma sırasıyla Markdown olarak yazar; tablolar HTML, formüller LaTeX olur. Boyut, istem ve çıktı biçimi aynıdır: doğrudan yerine geçer.
TurkishOCR-Bench'te 91,9 alır (MoganOCR-TR: 89,9).
Neler değişti
- Boş sayfada ezber metin yok. MoganOCR-TR boş taranmış sayfalarda sık sık ezberlenmiş bir metin ("1. BÖLÜM / KALP VE DAMAR HASTALIKLARI…") yazıyor ya da token sınırına kadar döngüye giriyordu. 1.5 boş çıktı verir ya da yalnız sayfada gerçekten olanı yazar (sayfa numarası,
<figure/>, form kutuları).
- Daha iyi tablolar. Tablo TEDS 82,5'ten 86,9'a çıktı.
- Tekrar döngüsü yok. TurkishOCR-Bench'te token sınırına kadar döngüye giren sayfa 2'den 0'a, ayrılmış değerlendirme kümesinin metin sayfalarında 8'den 0'a indi.
- Taranmış sayfalarda daha iyi. Taranmış sayfalarda metin kullanılabilirliği 71,0'dan 78,4'e çıktı.
Sonuçlar
TurkishOCR-Bench: 10 kategoride 488 zor sayfa, yayımlanan hatla (oku_puanla.py + tob_v3.py, CDM dahil) puanlandı. Görüntü üst sınırı 4.194.304 piksel (işlemcinin varsayılanı; en iyi sonucu bu ayar verdi), en çok 8.000 yeni token.
Table with columns: MoganOCR-TR, MoganOCR-TR-1.5 | MoganOCR-TR | MoganOCR-TR-1.5 |
|---|
| TOB-Skor | 89,9 | 91,9 |
| Metin_TR | 89,4 | 91,0 |
| Tablo (TEDS) | 82,5 | 86,9 |
| Formül (CDM) | 97,8 | 97,8 |
| Temiz sayfa | %65,8 | %68,3 |
| Güvenilmez sayfa | %26,8 | %24,7 |
| Türkçe karakter testleri | 97,6 | 99,2 |
| Token sınırına kadar döngüye giren sayfa | 2 | 0 |
Demo
MoganOCR-TR-1.5'in TurkishOCR-Bench'teki üç sayfada gerçek çıktısı (benchmark koşusundan; model bu sayfaları eğitimde görmedi): üretilirken akan ham Markdown ve işlenmiş hâli. Üç sayfa da tam puan alır.
Sayfalar: Bayram, Sevilgen, İbiş, GU J Sci Part C 10(1), 2022 (CC BY-SA 4.0); Aşıcıoğlu ve ark., Acta Odontologica Turcica, 2026 (CC BY 4.0); Bektaşi Şairleri ve Nefesleri, s. 160 (kamu malı, Wikimedia Commons).
Nasıl eğitildi
MoganOCR-TR'den başlanarak, görsel kodlayıcı dondurulmuş hâlde:
- GRPO (DAPO kaybı, TRL + vLLM): 125 adım, adım başına 8 sayfa × 8 örnek. Sayfalar, modelin kendi örneklerinin birbirinden ayrıştığı sayfalardan seçildi. Ödül: metin benzerliği, tablo satır ve sayı F1'i, boş sayfada boş çıktı; döngü ve kesik çıktı sıfır alır.
- Kısa SFT (1 epoch, 1.086 sayfa): RL'in düzeltemediği boş sayfalar ve unutmayı önlemek için modelin metin sayfalarındaki kendi yüksek puanlı çıktıları.
- Ağırlık ortalaması: %50 RL modeli + %50 SFT modeli. Yalnız SFT modeli boş sayfaları çözüyor ama metin sayfalarının yaklaşık %5'ini atlıyordu; ortalama ikisinin iyisini korur.
Kullanım
İstem her zaman Sayfayı markdown olarak yaz. olmalıdır. Düşünme kapalı kalır (sohbet şablonunun varsayılanı), çözme açgözlüdür ve en çok 8.000 yeni token üretilir. vLLM ve Transformers örnekleri yukarıdaki İngilizce bölümle aynıdır.
Çözünürlük: İşlemci varsayılan olarak 4.194.304 piksele kadar görüntü kabul eder; 200 dpi'lik bir A4 sayfa küçültülmeden girer (yaklaşık 3.800 görsel token). Yukarıdaki bütün benchmark sonuçları bu ayarla ölçüldü ve en iyi sonucu bu ayar verdi; max_pixels değerini düşürmeyin.
MTP: mtp.safetensors, MoganOCR-TR'nin MTP kafasıdır; 1.5 için yeniden eğitilmedi. --speculative-config '{"method": "mtp", "num_speculative_tokens": 3}' ile açılır; hızlanma 1.5 için yeniden ölçülmedi.
Lisans
Apache 2.0