diff --git a/README.fa.md b/README.fa.md
index 116a705..e865788 100644
--- a/README.fa.md
+++ b/README.fa.md
@@ -80,7 +80,7 @@ print(doc.ents)   # (محمدرضا شجریان, مشهد)
 | `sm` | ۵٬۴۸۴ | ۱۰٬۲۳۵ | |
 | `md` | ۵٬۴۰۸ | ۹٬۰۵۸ | |
 | `lg` | ۴٬۷۱۵ | ۹٬۲۱۵ | |
-| `trf` | ۱۸۷ | ۱٬۱۵۸ | ۸٬۳۲۰ |
+| `trf` | ۱۸۷ | ۱٬۱۰۶ | ۸٬۳۲۰ |
 
 ردهٔ `trf` روی یک پردازنده ۲۹ برابر کندتر از `sm` است. عددهای T4 و Xeon از یک ماشین Colab
 می‌آیند، یعنی شتاب ۲۵ برابری. فاصلهٔ رده‌های پردازنده‌ای کمتر از ۱۵ درصد است، پس گلوگاه
diff --git a/README.md b/README.md
index 7c85503..b7d5c48 100644
--- a/README.md
+++ b/README.md
@@ -100,7 +100,7 @@ timing the pipe only, warmup discarded. Reproduce with
 | `sm` | 5,484 | 10,235 | |
 | `md` | 5,408 | 9,058 | |
 | `lg` | 4,715 | 9,215 | |
-| `trf` | 187 | 1,158 | 8,320 |
+| `trf` | 187 | 1,106 | 8,320 |
 
 `trf` is 29x slower than `sm` on the same CPU. The T4 and Xeon figures come from one Colab VM,
 a 25x GPU speedup. The CPU tiers sit within 15% of each other, so the bottleneck is the parser
diff --git a/docs/MODELS.md b/docs/MODELS.md
index fd68fe0..3805f48 100644
--- a/docs/MODELS.md
+++ b/docs/MODELS.md
@@ -508,7 +508,7 @@ warmup discarded. Raw records in `metrics/throughput-*.json`.
 | `sm` | 5,484 | 10,235 | | |
 | `md` | 5,408 | 9,058 | | |
 | `lg` | 4,715 | 9,215 | | |
-| `trf` | 187 | 1,158 | 336 | 8,320 |
+| `trf` | 187 | 1,106 | 336 | 8,320 |
 
 The CPU tiers sit within about 15% of each other, less than their vector-table sizes suggest,
 so the tok2vec lookup is not the bottleneck; the parser and lemmatizer are. Run-to-run spread