Docling 2.133.0: AI İçin Belge Hazırlarken OCR Seçimi ve Metin Kaybı Düzeltmeleri

Bir yapay zekâ asistanının yanlış yanıt vermesinin nedeni her zaman dil modeli değildir. Kaynak belgedeki bir formül boş metne dönüştüyse, kod örneğinin girintisi kaybolduysa veya bir açıklama listesi eksik aktarıldıysa sorun modele ulaşmadan başlamış olabilir. 3 Ekim 2026’da yayımlanan Docling 2.133.0, belge hazırlamanın tam bu katmanına dokunuyor: RapidOCR için model boyutu seçimi getiriyor, bazı dönüştürme yollarındaki içerik kayıplarını düzeltiyor.

Bu, yeni bir sohbet modeli ya da bütün belgelerde daha yüksek doğruluk garantisi değil. Belgeyi AI uygulamasına hazırlayan ekipler için daha kontrollü bir dönüştürme sürümü. Aşağıdaki değerlendirme resmî sürüm notları, sürüme sabitlenmiş dokümantasyon ve ilgili kod değişikliklerine dayanıyor; bağımsız hız veya Türkçe OCR testi yapılmış gibi bir sonuç sunmuyor.

Docling ne yapıyor, bu sürüm neden önemli?

Docling; PDF, ofis belgeleri, HTML ve başka biçimleri okuyarak yapılandırılmış bir belge temsiline dönüştüren açık kaynak araçtır. Markdown ve JSON gibi çıktıları, bir arama dizinine veya belgeye dayalı yanıt üreten uygulamaya aktarılabilir. Projenin 2.133.0 sürümündeki tanıtımı, sayfa düzeni, okuma sırası, tablo yapısı ve taranmış belgelerde OCR desteğini mevcut yetenekler arasında sayıyor.

Bu ayrım önemli: PDF okumak veya yerelde çalışmak bu hafta eklenmiş özellikler değil. Güncel haber, 2.133.0 sürüm notlarında açıklanan yeni ayar ve düzeltmeler. Kullanıcıya etkisi de çoğunlukla dolaylı: kurum içi asistanın başvurduğu metnin daha eksiksiz hazırlanması, destek ekibinin teknik örnekleri kaybetmemesi ve aynı belge grubunun farklı OCR seçenekleriyle karşılaştırılabilmesi.

Örneğin yüzlerce bakım kılavuzunu aranabilir hâle getiren bir ekip düşünelim. Çalışan sorusunu doğru sorabilir, arama sistemi doğru sayfayı bulabilir; ancak dönüştürme aşaması kritik formülü sildiyse nihai yanıt yine eksik kalır. Bu nedenle belge işleme çıktısına yalnız “başarılı” durum koduyla değil, gerçekten korunan içerikle bakmak gerekir.

RapidOCR model boyutu artık seçilebiliyor

Yeni model_size ayarı, RapidOCR tarafında tiny, small ve medium seçeneklerini sunuyor; varsayılan değer small. Ancak kapsamı sınırlı: ayar, PP-OCRv6’ya yönlenen dillerde metin tespit ve tanıma modellerini etkiliyor. PP-OCRv5 veya PP-OCRv4 kullanan dil yollarında aynı seçim modelleri değiştirmiyor. Sınıflandırma modeli de bu ayardan etkilenmiyor.

Sürüme ait OCR dokümantasyonu, bu üç seçeneğin aynı görev için farklı model ağırlıkları olduğunu söylüyor; birini ölçülmüş biçimde daha iyi ilan etmiyor. Dolayısıyla “tiny kesin daha ekonomik”, “medium bütün belgelerde daha doğru” gibi hükümler çıkarmak doğru olmaz. Bellek, işlem süresi ve tanıma kalitesi kendi belge grubunda birlikte ölçülmeli.

Desteklenmeyen birleşimler de önem taşıyor. Belgede Japonca ile tiny seçeneği örnek veriliyor: uygun ağırlık yoksa sistem sessizce başka modele geçmek yerine açık hata üretiyor. Bu davranış, testte kullanılan yapılandırmayla üretimde çalışan yapılandırmanın fark edilmeden ayrışmasını önlemeye yardımcı olabilir. Türkçe belgelerde ise İngilizce örneğin aynen geçerli olduğu varsayılmamalı; dilin hangi modele yönlendiği ve seçeneğin gerçekten uygulandığı kontrol edilmeli.

Çevrim dışı kurulum hazırlayanlar için model indirme aracında da boyut seçimi bulunuyor. Buradaki seçenek, komutta seçilen dil ve çalışma motoru çiftlerine uygulanan tek bir değer. Birden çok dil için ayrı tercih gerekiyorsa indirme ve yapılandırma planı buna göre kurulmalı; yalnız ayarı değiştirmek, gerekli model dosyalarının önceden indirilmiş olduğu anlamına gelmiyor.

En kritik düzeltme: hata anında mevcut metni korumak

4495 numaralı değişiklik, kod ve formül zenginleştirme aşamasındaki belirli bir hata yolunu açıklıyor. Toplu tahmin başarısız olduğunda önceki davranış, eldeki öğelerin metnini boş dizgelerle değiştirebiliyordu. Üstelik dönüştürme başarılı görünmeye devam ediyordu. Kod öğelerinin dil bilgisi de “bilinmiyor” durumuna dönebiliyordu.

Düzeltmeyle başarısız toplu tahminde hata kaydı tutuluyor, fakat öğeler değiştirilmeden geçiriliyor. Böylece belgeden daha önce çıkarılmış programatik metin korunuyor. Buradaki kazanım, başarısız modeli mucizevi biçimde çalıştırmak değil; ek işlem başarısız olduğunda mevcut bilginin silinmemesi.

Teknik doküman kullanan bir AI asistanında bunun somut karşılığı vardır. Formül veya örnek kod, açıklama paragrafından daha belirleyici olabilir. Ancak korunan metin hâlâ ilk çıkarımın kalitesine bağlıdır. Boş metin kaybının giderilmesi, formüllerin matematiksel olarak doğrulandığı veya kodun çalıştırılıp sınandığı anlamına gelmez. Kritik kullanımda kaynak sayfayla karşılaştırma gereksinimi sürer.

Gündelik dosyalarda küçük görünen ama etkili değişiklikler

Sürüm notları, Markdown kod bloklarının ilk satır girintisinin korunmasını da içeriyor. Girintinin anlam taşıdığı örneklerde bu, yalnız görsel düzen meselesi değildir. HTML tarafında ise bir kapsayıcı içine alınmış terim–açıklama gruplarının korunması ele alınıyor. Sözlükler ve teknik başvuru belgeleri gibi içeriklerde bu grupların eksilmesi, terim ile tanımı arasındaki ilişkiyi bozabilir.

OpenDocument grafik nesnesinin kendi başlığını okumaya, DOCX paragrafının kendi numaralandırma özelliklerini değerlendirmeye ve başında boş satırlar bulunan CSV dosyalarının biçimini algılamaya yönelik düzeltmeler de var. Büyük harfli dosya uzantısıyla verilen yolların biçim tespiti ayrıca düzeltilmiş. Bunlar bütün biçim sorunlarının çözüldüğünü göstermiyor; etkiledikleri somut giriş türlerini tarif ediyor.

LaTeX kullanan ekipler için Windows-1252 kaynaklarının ve sekiz bitlik TikZ bağımlılıklarının çözümlenmesi, ayrıca içeri alınan dosyaların ana dosyayla aynı biçimde çözümlenmesi dikkat çekiyor. Eski arşivleri yeni AI iş akışlarına taşıyanlarda karakter kodlaması sorunu, model kalitesi sorunu gibi görünebildiğinden bu ayrıntılar önemlidir.

Gerçek kullanım: yükseltmeyi küçük bir belge grubuyla sınayın

Uygulanabilir başlangıç, önceki sürümle hazırlanmış temsili bir belge grubunu saklamak ve aynı girdileri 2.133.0 ile yeniden dönüştürmektir. Gruba taranmış sayfalar, metin tabanlı PDF’ler, kod ve formül içeren belgeler, numaralı DOCX paragrafları ve sorun yaşanan CSV örnekleri eklenebilir. Bu bir önerilen değerlendirme yöntemi; burada yapılmış bir kullanıcı testi değildir.

Karşılaştırmada yalnız toplam kelime sayısına bakmayın. Kritik formül yerinde mi, kodun ilk satırı doğru mu, grafik başlığı ilgili grafiğe mi ait, terimin açıklaması korunmuş mu? İşlem süresini ve bellek kullanımını bu içerik kontrollerinden ayrı kaydedin. OCR boyutlarını karşılaştırırken aynı dil, aynı donanım ve aynı sayfaları kullanmak, sonucun yorumlanmasını kolaylaştırır.

Belgeye dayalı yanıt sisteminde son bir kontrol daha gerekir: yeniden dönüştürülen metinle arama dizini güncellendiğinde, önceden belirlenmiş sorular hâlâ doğru kaynak parçalarına ulaşabiliyor mu? Daha düzgün bir dönüşüm bile parça sınırlarını değiştirebilir. Bu yüzden doğrudan bütün arşivi değiştirmek yerine küçük bir dizin üzerinde denemek ve önceki çıktıları korumak daha yönetilebilir bir geçiş sağlar.

Maliyet, lisans ve gizlilikte neye dikkat edilmeli?

Docling kod tabanı MIT lisansı altında. Bu, lisans bildirimini koruma gibi koşullarla kullanım ve değişiklik yapmaya izin verir; çalıştırma maliyetinin sıfır olduğu anlamına gelmez. İşlemci veya GPU zamanı, depolama, model indirmeleri ve bakım emeği toplam maliyete dahildir. Kullanılan modellerin lisansları ayrıca incelenmelidir; projenin kendi tanıtımı da kod lisansıyla model lisanslarını ayırıyor.

Yerel çalıştırma olanağı, hassas belgelerin kurum içinde işlenebilmesi açısından değerlidir. Fakat bu özellik tek başına her yapılandırmada çevrim dışılık garantisi vermez. Model dosyalarını hazırlamak, uzak servis kullanan bileşenleri incelemek ve ağ erişimini denetlemek gerekir. Çıktı dizinleri, hata kayıtları ve sonraki arama altyapısı da belgenin içeriğini taşıyabileceğinden aynı erişim politikasına dahil edilmelidir.

Erişilebilirlik açısından somut bağlantı, taranmış içeriğin okunabilir metne dönüşmesi ve belge yapısının korunmasıdır. Bununla birlikte OCR çıktısı otomatik olarak erişilebilir bir belge sayılmaz: okuma sırası, tablo ilişkileri ve anlamlı başlıklar ayrıca kontrol edilmelidir. Bu sürümün asıl değeri, AI’ye giden bilginin hazırlanmasında daha fazla kontrol ve belirli hata yollarında daha az içerik kaybıdır. Yükseltme kararını model boyutunun adına değil, kendi belgelerinizde korunan bilgiye dayandırın.

Birincil kaynaklar

• Docling 2.133.0 sürüm notları — 3 Ekim 2026: yeni özellik ve biçim düzeltmeleri.
• 2.133.0 OCR dokümantasyonu: model boyutları, varsayılan değer ve dil sınırlamaları.
• Kod ve formül metnini koruma değişikliği: hata davranışının gerekçesi ve kapsamı.
• Sürüme sabitlenmiş proje tanıtımı: kullanım, yerel çalışma ve model lisansı ayrımı.
• MIT lisans metni: kodun kullanım koşulları.