README: add power efficiency and temperature section (Qwen3.5-9B, Lunar Lake)

README.md

@@ -24,6 +24,9 @@ LLM を **Intel NPU だけで** 動かす小さなエンジンです。MoE（専
 llama.cpp と GGUF の関係と同じく、エンジンとモデルは別々にダウンロードします。エンジンは一つ、コマンドも一つで、
 変換済みのモデルならどれでも動きます。
 
+低電力の NPU で動かすので、ファンが低回転のままでも静かに LLM を使えます。Lunar Lake で計測したところ、1 トークンあたりの電力は
+iGPU（llama.cpp）より少なく、CPU の約 4 割でした。詳しい数字と測り方は [電力効率と温度](#電力効率と温度) にあります。
+
 ## インストール（コマンドを 1 行貼るだけ）
 
 Intel Core Ultra（NPU 付き）の PC なら、次の 1 行で入ります（詳しい条件は下の「必要なもの」）。
@@ -214,6 +217,43 @@ KV キャッシュは INT8 で、会話が実際に使った長さの分だけ
 | `setup.*`、`install.*`、`find_python.bat` | インストーラー（Python の検出と winget） |
 | `check_ref.py`、`check_vision.py`、`test_*.py`、`probe_segments.py`、`prof_*.py`、`mem_*.py`、`bench_*.py` | 元の HF モデルとの比較、生成・画像・複数ターンの検証、区間ごとの NPU と CPU の比較、速度・メモリ計測 |
 
+## 電力効率と温度
+
+同じ PC（LattePanda Mu Ultra、Core Ultra 5 226V＝Lunar Lake）で、Qwen3.5-9B の生成中のパッケージ電力と温度を、NPU・iGPU・CPU で比べました。
+日本語の長文生成（768 トークン、temperature 0）を各 3 回測った平均です。
+
+| デバイス | 実行環境 | 生成速度 | パッケージ電力 | パッケージ温度（平均 / 最大） | 1 トークンあたり | 同（アイドル分を引いた値） |
+|---|---|---|---|---|---|---|
+| **NPU** | onw（Qwen3.5-9B-onw、INT4、5.3 GB） | 7.3 tok/s | **12.0 W** | 52 / **67 ℃** | **1.66 J** | **1.27 J** |
+| iGPU（Arc） | llama.cpp SYCL（Q4_K_M、6.2 GB） | **12.6 tok/s** | 23.5 W | 66 / 83 ℃ | 1.91 J | 1.67 J |
+| CPU | llama.cpp（Q4_K_M、6.2 GB） | 5.7 tok/s | 22.3 W | 93 / 96 ℃ | 3.99 J | 3.47 J |
+
+アイドル時のパッケージ電力は約 2.9 W、温度は約 42〜46 ℃ です。
+
+1 万トークンを生成したとき（上の平均値からの計算）：
+
+| デバイス | かかる時間 | 消費エネルギー | 同（アイドル分を引いた値） |
+|---|---|---|---|
+| **NPU** | 約 23 分 | **4.6 Wh** | 3.5 Wh |
+| iGPU | 約 13 分 | 5.3 Wh | 4.6 Wh |
+| CPU | 約 30 分 | 11.1 Wh | 9.6 Wh |
+
+NPU は CPU の約 4 割、iGPU より約 13% 少ないエネルギーで済みます。生成中の電力は 12 W で iGPU の約半分、最大温度は 67 ℃ で、ファンも低回転のまま動かせました（ファンの回転数は測れていないため、目視・体感の観察です）。
+1 万トークンの値は 768 トークンの測定からの計算で、実測ではありません。長く回すと、熱で CPU の電力が下がって遅くなり、時間が延びることがあります。
+
+
+- 1 トークンあたりの電力は、NPU が最も少なく、iGPU より 13〜24% 少なく、CPU の約 4 割以下です。
+- 速さは iGPU が最も速く、NPU の約 1.7 倍です。ただし電力は約 2 倍かかります。
+- NPU は最大でも 67 ℃ に収まります。iGPU は 83 ℃、CPU は 96 ℃ まで上がりました。
+
+測り方と注意：
+- 電力は Linux の RAPL（`intel-rapl:0`、package-0）の電力量を 0.5 秒ごとに読んだものです。SoC（CPU・iGPU・NPU）だけの値で、DRAM（約 0.4〜0.8 W）や PC 全体は含みません。温度は `x86_pkg_temp` です。
+- 測るのは生成の区間だけで、モデルの読み込みは除いています。毎回、温度が下がるのを待ってからアイドル電力を 30 秒測りました。デバイスの順番による偏りが出ないよう、NPU、iGPU、CPU を 3 周しています。
+- ファン回転数は、この PC では CPU クーラーの値を OS から読めないため、測っていません。NPU の生成中、ファンは止まらず低回転のままでした（観察）。
+- onw と llama.cpp ではエンジンが違い、重みの量子化も同一ではありません（onw は独自の INT4、llama.cpp は Q4_K_M）。モデルと実行環境をまとめた比較として読んでください。
+- ばらつき：NPU と CPU は 3 回でほぼ揃いました（NPU の 1 トークンあたり 1.65〜1.67 J）。iGPU は生成速度が 10.9〜13.5 tok/s と回ごとに差があり、1 トークンあたり 1.84〜2.05 J でした。
+- 別の PC、別のプロンプト、別の冷却では値が変わります。
+
 ## 注意点と制限
 
 - コンテキスト長の既定は 32K トークンで、モデルの最大（Qwen3.5／3.6 は 262K、Gemma 4 E4B は 128K）まで設定できます。