Измерение производительности для простых операций с векторизованными массивами

Я оптимизирую простые операции с массивами, такие как

for (int i=0; i<cnt; i++) dst[i] = src1[i] * src2[i];

где cnt обычно составляет от 32 до 1024, что является типичным случаем в моем приложении. Я сравниваю Intel IPP, собственный векторизатор MSVC 2017, а также использую встроенные функции для AVX и AVX512 в MSVC. Я установил приоритет потока как критический, а маску сходства потоков — «1». Затем я использую QueryPerformanceCounter для расчета времени в начале и в конце «операции», которая состоит из запуска цикла миллионы раз. Работает на новом i9 с 10 ядрами.

Проблема в том, что результаты сильно различаются. Иногда оп таксе 3 секунды, иногда 4. Это делает результаты практически непригодными для использования. Есть идеи, что может быть не так? Значения в обрабатываемых массивах всегда одинаковы, массивы выровнены по границам 32 байта.