diff --git a/wolfcrypt/src/sp_arm32.c b/wolfcrypt/src/sp_arm32.c
index 41c7d9ce1e..c7b7d44f8a 100644
--- a/wolfcrypt/src/sp_arm32.c
+++ b/wolfcrypt/src/sp_arm32.c
@@ -47,6 +47,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
@@ -125606,8 +125617,6 @@ static WC_INLINE int sp_521_div_17(const sp_digit* a, const sp_digit* d,
     sp_digit r1;
     int i;
 
-    ASSERT_SAVED_VECTOR_REGISTERS();
-
     (void)m;
     div = (d[16] << 23) | (d[15] >> 9);
     XMEMCPY(t1, a, sizeof(*t1) * 2 * 17);
diff --git a/wolfcrypt/src/sp_arm64.c b/wolfcrypt/src/sp_arm64.c
index 402e75a6db..60231b5daa 100644
--- a/wolfcrypt/src/sp_arm64.c
+++ b/wolfcrypt/src/sp_arm64.c
@@ -47,6 +47,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
@@ -69631,8 +69642,6 @@ static WC_INLINE int sp_521_div_9(const sp_digit* a, const sp_digit* d,
     sp_digit r1;
     int i;
 
-    ASSERT_SAVED_VECTOR_REGISTERS();
-
     (void)m;
     div = (d[8] << 55) | (d[7] >> 9);
     XMEMCPY(t1, a, sizeof(*t1) * 2 * 9);
diff --git a/wolfcrypt/src/sp_armthumb.c b/wolfcrypt/src/sp_armthumb.c
index b479c93b9b..a75207abcc 100644
--- a/wolfcrypt/src/sp_armthumb.c
+++ b/wolfcrypt/src/sp_armthumb.c
@@ -47,6 +47,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
@@ -131069,8 +131080,6 @@ static WC_INLINE int sp_521_div_17(const sp_digit* a, const sp_digit* d,
     sp_digit r1;
     int i;
 
-    ASSERT_SAVED_VECTOR_REGISTERS();
-
     (void)m;
     div = (d[16] << 23) | (d[15] >> 9);
     XMEMCPY(t1, a, sizeof(*t1) * 2 * 17);
diff --git a/wolfcrypt/src/sp_c32.c b/wolfcrypt/src/sp_c32.c
index 907c04c61a..642e1c1d49 100644
--- a/wolfcrypt/src/sp_c32.c
+++ b/wolfcrypt/src/sp_c32.c
@@ -51,6 +51,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
diff --git a/wolfcrypt/src/sp_c64.c b/wolfcrypt/src/sp_c64.c
index ae32ae2ce7..44028d3769 100644
--- a/wolfcrypt/src/sp_c64.c
+++ b/wolfcrypt/src/sp_c64.c
@@ -51,6 +51,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
diff --git a/wolfcrypt/src/sp_cortexm.c b/wolfcrypt/src/sp_cortexm.c
index 9a334f4d4a..306309aba9 100644
--- a/wolfcrypt/src/sp_cortexm.c
+++ b/wolfcrypt/src/sp_cortexm.c
@@ -47,6 +47,17 @@
 
 #include <wolfssl/wolfcrypt/sp.h>
 
+#if defined(WOLFSSL_USE_SAVE_VECTOR_REGISTERS) && !defined(WOLFSSL_SP_ASM) && \
+        !defined(DEBUG_VECTOR_REGISTER_ACCESS)
+    /* force off unneeded vector register save/restore. */
+    #undef SAVE_VECTOR_REGISTERS
+    #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
+    #undef SAVE_VECTOR_REGISTERS2
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
+    #undef RESTORE_VECTOR_REGISTERS
+    #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
+#endif
+
 #ifdef __IAR_SYSTEMS_ICC__
 #define __asm__        asm
 #define __volatile__   volatile
@@ -64063,8 +64074,6 @@ static WC_INLINE int sp_521_div_17(const sp_digit* a, const sp_digit* d,
     sp_digit r1;
     int i;
 
-    ASSERT_SAVED_VECTOR_REGISTERS();
-
     (void)m;
     div = (d[16] << 23) | (d[15] >> 9);
     XMEMCPY(t1, a, sizeof(*t1) * 2 * 17);
diff --git a/wolfcrypt/src/sp_x86_64.c b/wolfcrypt/src/sp_x86_64.c
index 39e629ee42..14c0b2ccc9 100644
--- a/wolfcrypt/src/sp_x86_64.c
+++ b/wolfcrypt/src/sp_x86_64.c
@@ -53,7 +53,7 @@
     #undef SAVE_VECTOR_REGISTERS
     #define SAVE_VECTOR_REGISTERS(fail_clause) SAVE_NO_VECTOR_REGISTERS(fail_clause)
     #undef SAVE_VECTOR_REGISTERS2
-    #define SAVE_VECTOR_REGISTERS2() 0
+    #define SAVE_VECTOR_REGISTERS2() SAVE_NO_VECTOR_REGISTERS2()
     #undef RESTORE_VECTOR_REGISTERS
     #define RESTORE_VECTOR_REGISTERS() RESTORE_NO_VECTOR_REGISTERS()
 #endif
diff --git a/wolfcrypt/src/sp_x86_64_asm.S b/wolfcrypt/src/sp_x86_64_asm.S
index 7aaae4bb60..fbd2de64a8 100644
--- a/wolfcrypt/src/sp_x86_64_asm.S
+++ b/wolfcrypt/src/sp_x86_64_asm.S
@@ -9983,1173 +9983,6 @@ _sp_2048_cmp_16:
 #ifndef __APPLE__
 .size	sp_2048_cmp_16,.-sp_2048_cmp_16
 #endif /* __APPLE__ */
-#ifndef WC_NO_CACHE_RESISTANT
-#ifndef __APPLE__
-.text
-.globl	sp_2048_get_from_table_16
-.type	sp_2048_get_from_table_16,@function
-.align	16
-sp_2048_get_from_table_16:
-#else
-.section	__TEXT,__text
-.globl	_sp_2048_get_from_table_16
-.p2align	4
-_sp_2048_get_from_table_16:
-#endif /* __APPLE__ */
-        movq	$0x01, %rax
-        movd	%rdx, %xmm10
-        movd	%rax, %xmm11
-        pxor	%xmm13, %xmm13
-        pshufd	$0x00, %xmm11, %xmm11
-        pshufd	$0x00, %xmm10, %xmm10
-        # START: 0-7
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 0-7
-        # START: 8-15
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        # END: 8-15
-        repz retq
-#ifndef __APPLE__
-.size	sp_2048_get_from_table_16,.-sp_2048_get_from_table_16
-#endif /* __APPLE__ */
-#endif /* !WC_NO_CACHE_RESISTANT */
 #ifdef HAVE_INTEL_AVX2
 /* Reduce the number back to 2048 bits using Montgomery reduction.
  *
@@ -13501,4621 +12334,6 @@ _sp_2048_cmp_32:
 #ifndef __APPLE__
 .size	sp_2048_cmp_32,.-sp_2048_cmp_32
 #endif /* __APPLE__ */
-#ifndef WC_NO_CACHE_RESISTANT
-#ifndef __APPLE__
-.text
-.globl	sp_2048_get_from_table_32
-.type	sp_2048_get_from_table_32,@function
-.align	16
-sp_2048_get_from_table_32:
-#else
-.section	__TEXT,__text
-.globl	_sp_2048_get_from_table_32
-.p2align	4
-_sp_2048_get_from_table_32:
-#endif /* __APPLE__ */
-        movq	$0x01, %rax
-        movd	%rdx, %xmm10
-        movd	%rax, %xmm11
-        pxor	%xmm13, %xmm13
-        pshufd	$0x00, %xmm11, %xmm11
-        pshufd	$0x00, %xmm10, %xmm10
-        # START: 0-7
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 32
-        movq	256(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 33
-        movq	264(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 34
-        movq	272(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 35
-        movq	280(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 36
-        movq	288(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 37
-        movq	296(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 38
-        movq	304(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 39
-        movq	312(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 40
-        movq	320(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 41
-        movq	328(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 42
-        movq	336(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 43
-        movq	344(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 44
-        movq	352(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 45
-        movq	360(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 46
-        movq	368(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 47
-        movq	376(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 48
-        movq	384(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 49
-        movq	392(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 50
-        movq	400(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 51
-        movq	408(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 52
-        movq	416(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 53
-        movq	424(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 54
-        movq	432(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 55
-        movq	440(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 56
-        movq	448(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 57
-        movq	456(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 58
-        movq	464(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 59
-        movq	472(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 60
-        movq	480(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 61
-        movq	488(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 62
-        movq	496(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 63
-        movq	504(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 0-7
-        # START: 8-15
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 32
-        movq	256(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 33
-        movq	264(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 34
-        movq	272(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 35
-        movq	280(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 36
-        movq	288(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 37
-        movq	296(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 38
-        movq	304(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 39
-        movq	312(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 40
-        movq	320(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 41
-        movq	328(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 42
-        movq	336(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 43
-        movq	344(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 44
-        movq	352(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 45
-        movq	360(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 46
-        movq	368(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 47
-        movq	376(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 48
-        movq	384(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 49
-        movq	392(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 50
-        movq	400(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 51
-        movq	408(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 52
-        movq	416(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 53
-        movq	424(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 54
-        movq	432(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 55
-        movq	440(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 56
-        movq	448(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 57
-        movq	456(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 58
-        movq	464(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 59
-        movq	472(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 60
-        movq	480(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 61
-        movq	488(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 62
-        movq	496(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 63
-        movq	504(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 8-15
-        # START: 16-23
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 32
-        movq	256(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 33
-        movq	264(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 34
-        movq	272(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 35
-        movq	280(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 36
-        movq	288(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 37
-        movq	296(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 38
-        movq	304(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 39
-        movq	312(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 40
-        movq	320(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 41
-        movq	328(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 42
-        movq	336(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 43
-        movq	344(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 44
-        movq	352(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 45
-        movq	360(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 46
-        movq	368(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 47
-        movq	376(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 48
-        movq	384(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 49
-        movq	392(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 50
-        movq	400(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 51
-        movq	408(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 52
-        movq	416(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 53
-        movq	424(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 54
-        movq	432(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 55
-        movq	440(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 56
-        movq	448(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 57
-        movq	456(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 58
-        movq	464(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 59
-        movq	472(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 60
-        movq	480(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 61
-        movq	488(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 62
-        movq	496(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 63
-        movq	504(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 16-23
-        # START: 24-31
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 32
-        movq	256(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 33
-        movq	264(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 34
-        movq	272(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 35
-        movq	280(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 36
-        movq	288(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 37
-        movq	296(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 38
-        movq	304(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 39
-        movq	312(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 40
-        movq	320(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 41
-        movq	328(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 42
-        movq	336(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 43
-        movq	344(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 44
-        movq	352(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 45
-        movq	360(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 46
-        movq	368(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 47
-        movq	376(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 48
-        movq	384(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 49
-        movq	392(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 50
-        movq	400(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 51
-        movq	408(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 52
-        movq	416(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 53
-        movq	424(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 54
-        movq	432(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 55
-        movq	440(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 56
-        movq	448(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 57
-        movq	456(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 58
-        movq	464(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 59
-        movq	472(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 60
-        movq	480(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 61
-        movq	488(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 62
-        movq	496(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 63
-        movq	504(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        # END: 24-31
-        repz retq
-#ifndef __APPLE__
-.size	sp_2048_get_from_table_32,.-sp_2048_get_from_table_32
-#endif /* __APPLE__ */
-#endif /* !WC_NO_CACHE_RESISTANT */
 #ifdef HAVE_INTEL_AVX2
 /* Reduce the number back to 2048 bits using Montgomery reduction.
  *
@@ -32549,1761 +26767,6 @@ _sp_3072_cmp_24:
 #ifndef __APPLE__
 .size	sp_3072_cmp_24,.-sp_3072_cmp_24
 #endif /* __APPLE__ */
-#ifndef WC_NO_CACHE_RESISTANT
-#ifndef __APPLE__
-.text
-.globl	sp_3072_get_from_table_24
-.type	sp_3072_get_from_table_24,@function
-.align	16
-sp_3072_get_from_table_24:
-#else
-.section	__TEXT,__text
-.globl	_sp_3072_get_from_table_24
-.p2align	4
-_sp_3072_get_from_table_24:
-#endif /* __APPLE__ */
-        movq	$0x01, %rax
-        movd	%rdx, %xmm10
-        movd	%rax, %xmm11
-        pxor	%xmm13, %xmm13
-        pshufd	$0x00, %xmm11, %xmm11
-        pshufd	$0x00, %xmm10, %xmm10
-        # START: 0-7
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 0-7
-        # START: 8-15
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 8-15
-        # START: 16-23
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 16
-        movq	128(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 17
-        movq	136(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 18
-        movq	144(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 19
-        movq	152(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 20
-        movq	160(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 21
-        movq	168(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 22
-        movq	176(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 23
-        movq	184(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 24
-        movq	192(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 25
-        movq	200(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 26
-        movq	208(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 27
-        movq	216(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 28
-        movq	224(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 29
-        movq	232(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 30
-        movq	240(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 31
-        movq	248(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        # END: 16-23
-        repz retq
-#ifndef __APPLE__
-.size	sp_3072_get_from_table_24,.-sp_3072_get_from_table_24
-#endif /* __APPLE__ */
-#endif /* !WC_NO_CACHE_RESISTANT */
 #ifdef HAVE_INTEL_AVX2
 /* Reduce the number back to 3072 bits using Montgomery reduction.
  *
@@ -37626,1813 +30089,6 @@ _sp_3072_cmp_48:
 #ifndef __APPLE__
 .size	sp_3072_cmp_48,.-sp_3072_cmp_48
 #endif /* __APPLE__ */
-#ifndef WC_NO_CACHE_RESISTANT
-#ifndef __APPLE__
-.text
-.globl	sp_3072_get_from_table_48
-.type	sp_3072_get_from_table_48,@function
-.align	16
-sp_3072_get_from_table_48:
-#else
-.section	__TEXT,__text
-.globl	_sp_3072_get_from_table_48
-.p2align	4
-_sp_3072_get_from_table_48:
-#endif /* __APPLE__ */
-        movq	$0x01, %rax
-        movd	%rdx, %xmm10
-        movd	%rax, %xmm11
-        pxor	%xmm13, %xmm13
-        pshufd	$0x00, %xmm11, %xmm11
-        pshufd	$0x00, %xmm10, %xmm10
-        # START: 0-7
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 0-7
-        # START: 8-15
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 8-15
-        # START: 16-23
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 16-23
-        # START: 24-31
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 24-31
-        # START: 32-39
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 32-39
-        # START: 40-47
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        # END: 40-47
-        repz retq
-#ifndef __APPLE__
-.size	sp_3072_get_from_table_48,.-sp_3072_get_from_table_48
-#endif /* __APPLE__ */
-#endif /* !WC_NO_CACHE_RESISTANT */
 #ifdef HAVE_INTEL_AVX2
 /* Reduce the number back to 3072 bits using Montgomery reduction.
  *
@@ -50237,2413 +40893,6 @@ _sp_4096_cmp_64:
 #ifndef __APPLE__
 .size	sp_4096_cmp_64,.-sp_4096_cmp_64
 #endif /* __APPLE__ */
-#ifndef WC_NO_CACHE_RESISTANT
-#ifndef __APPLE__
-.text
-.globl	sp_4096_get_from_table_64
-.type	sp_4096_get_from_table_64,@function
-.align	16
-sp_4096_get_from_table_64:
-#else
-.section	__TEXT,__text
-.globl	_sp_4096_get_from_table_64
-.p2align	4
-_sp_4096_get_from_table_64:
-#endif /* __APPLE__ */
-        movq	$0x01, %rax
-        movd	%rdx, %xmm10
-        movd	%rax, %xmm11
-        pxor	%xmm13, %xmm13
-        pshufd	$0x00, %xmm11, %xmm11
-        pshufd	$0x00, %xmm10, %xmm10
-        # START: 0-7
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 0-7
-        # START: 8-15
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x40, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 8-15
-        # START: 16-23
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x80, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 16-23
-        # START: 24-31
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0xc0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 24-31
-        # START: 32-39
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x100, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 32-39
-        # START: 40-47
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x140, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 40-47
-        # START: 48-55
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x180, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        addq	$0x40, %rdi
-        # END: 48-55
-        # START: 56-63
-        pxor	%xmm13, %xmm13
-        pxor	%xmm4, %xmm4
-        pxor	%xmm5, %xmm5
-        pxor	%xmm6, %xmm6
-        pxor	%xmm7, %xmm7
-        # ENTRY: 0
-        movq	(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 1
-        movq	8(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 2
-        movq	16(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 3
-        movq	24(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 4
-        movq	32(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 5
-        movq	40(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 6
-        movq	48(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 7
-        movq	56(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 8
-        movq	64(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 9
-        movq	72(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 10
-        movq	80(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 11
-        movq	88(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 12
-        movq	96(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 13
-        movq	104(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 14
-        movq	112(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        # ENTRY: 15
-        movq	120(%rsi), %rcx
-        addq	$0x1c0, %rcx
-        movdqu	%xmm13, %xmm12
-        pcmpeqd	%xmm10, %xmm12
-        movdqu	(%rcx), %xmm0
-        movdqu	16(%rcx), %xmm1
-        movdqu	32(%rcx), %xmm2
-        movdqu	48(%rcx), %xmm3
-        pand	%xmm12, %xmm0
-        pand	%xmm12, %xmm1
-        pand	%xmm12, %xmm2
-        pand	%xmm12, %xmm3
-        por	%xmm0, %xmm4
-        por	%xmm1, %xmm5
-        por	%xmm2, %xmm6
-        por	%xmm3, %xmm7
-        paddd	%xmm11, %xmm13
-        movdqu	%xmm4, (%rdi)
-        movdqu	%xmm5, 16(%rdi)
-        movdqu	%xmm6, 32(%rdi)
-        movdqu	%xmm7, 48(%rdi)
-        # END: 56-63
-        repz retq
-#ifndef __APPLE__
-.size	sp_4096_get_from_table_64,.-sp_4096_get_from_table_64
-#endif /* __APPLE__ */
-#endif /* !WC_NO_CACHE_RESISTANT */
 #ifdef HAVE_INTEL_AVX2
 /* Reduce the number back to 4096 bits using Montgomery reduction.
  *
diff --git a/wolfcrypt/src/sp_x86_64_asm.asm b/wolfcrypt/src/sp_x86_64_asm.asm
index cdf5789407..2ad38bb43b 100644
--- a/wolfcrypt/src/sp_x86_64_asm.asm
+++ b/wolfcrypt/src/sp_x86_64_asm.asm
@@ -9709,1180 +9709,6 @@ sp_2048_cmp_16 PROC
         ret
 sp_2048_cmp_16 ENDP
 _TEXT ENDS
-IFNDEF WC_NO_CACHE_RESISTANT
-_TEXT SEGMENT READONLY PARA
-sp_2048_get_from_table_16 PROC
-        sub	rsp, 128
-        movdqu	OWORD PTR [rsp], xmm6
-        movdqu	OWORD PTR [rsp+16], xmm7
-        movdqu	OWORD PTR [rsp+32], xmm8
-        movdqu	OWORD PTR [rsp+48], xmm9
-        movdqu	OWORD PTR [rsp+64], xmm10
-        movdqu	OWORD PTR [rsp+80], xmm11
-        movdqu	OWORD PTR [rsp+96], xmm12
-        movdqu	OWORD PTR [rsp+112], xmm13
-        mov	rax, 1
-        movd	xmm10, r8
-        movd	xmm11, rax
-        pxor	xmm13, xmm13
-        pshufd	xmm11, xmm11, 0
-        pshufd	xmm10, xmm10, 0
-        ; START: 0-7
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 0-7
-        ; START: 8-15
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        ; END: 8-15
-        movdqu	xmm6, OWORD PTR [rsp]
-        movdqu	xmm7, OWORD PTR [rsp+16]
-        movdqu	xmm8, OWORD PTR [rsp+32]
-        movdqu	xmm9, OWORD PTR [rsp+48]
-        movdqu	xmm10, OWORD PTR [rsp+64]
-        movdqu	xmm11, OWORD PTR [rsp+80]
-        movdqu	xmm12, OWORD PTR [rsp+96]
-        movdqu	xmm13, OWORD PTR [rsp+112]
-        add	rsp, 128
-        ret
-sp_2048_get_from_table_16 ENDP
-_TEXT ENDS
-ENDIF
 IFDEF HAVE_INTEL_AVX2
 ; /* Reduce the number back to 2048 bits using Montgomery reduction.
 ;  *
@@ -13166,4628 +11992,6 @@ sp_2048_cmp_32 PROC
         ret
 sp_2048_cmp_32 ENDP
 _TEXT ENDS
-IFNDEF WC_NO_CACHE_RESISTANT
-_TEXT SEGMENT READONLY PARA
-sp_2048_get_from_table_32 PROC
-        sub	rsp, 128
-        movdqu	OWORD PTR [rsp], xmm6
-        movdqu	OWORD PTR [rsp+16], xmm7
-        movdqu	OWORD PTR [rsp+32], xmm8
-        movdqu	OWORD PTR [rsp+48], xmm9
-        movdqu	OWORD PTR [rsp+64], xmm10
-        movdqu	OWORD PTR [rsp+80], xmm11
-        movdqu	OWORD PTR [rsp+96], xmm12
-        movdqu	OWORD PTR [rsp+112], xmm13
-        mov	rax, 1
-        movd	xmm10, r8
-        movd	xmm11, rax
-        pxor	xmm13, xmm13
-        pshufd	xmm11, xmm11, 0
-        pshufd	xmm10, xmm10, 0
-        ; START: 0-7
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 32
-        mov	r9, QWORD PTR [rdx+256]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 33
-        mov	r9, QWORD PTR [rdx+264]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 34
-        mov	r9, QWORD PTR [rdx+272]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 35
-        mov	r9, QWORD PTR [rdx+280]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 36
-        mov	r9, QWORD PTR [rdx+288]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 37
-        mov	r9, QWORD PTR [rdx+296]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 38
-        mov	r9, QWORD PTR [rdx+304]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 39
-        mov	r9, QWORD PTR [rdx+312]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 40
-        mov	r9, QWORD PTR [rdx+320]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 41
-        mov	r9, QWORD PTR [rdx+328]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 42
-        mov	r9, QWORD PTR [rdx+336]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 43
-        mov	r9, QWORD PTR [rdx+344]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 44
-        mov	r9, QWORD PTR [rdx+352]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 45
-        mov	r9, QWORD PTR [rdx+360]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 46
-        mov	r9, QWORD PTR [rdx+368]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 47
-        mov	r9, QWORD PTR [rdx+376]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 48
-        mov	r9, QWORD PTR [rdx+384]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 49
-        mov	r9, QWORD PTR [rdx+392]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 50
-        mov	r9, QWORD PTR [rdx+400]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 51
-        mov	r9, QWORD PTR [rdx+408]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 52
-        mov	r9, QWORD PTR [rdx+416]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 53
-        mov	r9, QWORD PTR [rdx+424]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 54
-        mov	r9, QWORD PTR [rdx+432]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 55
-        mov	r9, QWORD PTR [rdx+440]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 56
-        mov	r9, QWORD PTR [rdx+448]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 57
-        mov	r9, QWORD PTR [rdx+456]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 58
-        mov	r9, QWORD PTR [rdx+464]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 59
-        mov	r9, QWORD PTR [rdx+472]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 60
-        mov	r9, QWORD PTR [rdx+480]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 61
-        mov	r9, QWORD PTR [rdx+488]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 62
-        mov	r9, QWORD PTR [rdx+496]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 63
-        mov	r9, QWORD PTR [rdx+504]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 0-7
-        ; START: 8-15
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 32
-        mov	r9, QWORD PTR [rdx+256]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 33
-        mov	r9, QWORD PTR [rdx+264]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 34
-        mov	r9, QWORD PTR [rdx+272]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 35
-        mov	r9, QWORD PTR [rdx+280]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 36
-        mov	r9, QWORD PTR [rdx+288]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 37
-        mov	r9, QWORD PTR [rdx+296]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 38
-        mov	r9, QWORD PTR [rdx+304]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 39
-        mov	r9, QWORD PTR [rdx+312]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 40
-        mov	r9, QWORD PTR [rdx+320]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 41
-        mov	r9, QWORD PTR [rdx+328]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 42
-        mov	r9, QWORD PTR [rdx+336]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 43
-        mov	r9, QWORD PTR [rdx+344]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 44
-        mov	r9, QWORD PTR [rdx+352]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 45
-        mov	r9, QWORD PTR [rdx+360]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 46
-        mov	r9, QWORD PTR [rdx+368]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 47
-        mov	r9, QWORD PTR [rdx+376]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 48
-        mov	r9, QWORD PTR [rdx+384]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 49
-        mov	r9, QWORD PTR [rdx+392]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 50
-        mov	r9, QWORD PTR [rdx+400]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 51
-        mov	r9, QWORD PTR [rdx+408]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 52
-        mov	r9, QWORD PTR [rdx+416]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 53
-        mov	r9, QWORD PTR [rdx+424]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 54
-        mov	r9, QWORD PTR [rdx+432]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 55
-        mov	r9, QWORD PTR [rdx+440]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 56
-        mov	r9, QWORD PTR [rdx+448]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 57
-        mov	r9, QWORD PTR [rdx+456]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 58
-        mov	r9, QWORD PTR [rdx+464]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 59
-        mov	r9, QWORD PTR [rdx+472]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 60
-        mov	r9, QWORD PTR [rdx+480]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 61
-        mov	r9, QWORD PTR [rdx+488]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 62
-        mov	r9, QWORD PTR [rdx+496]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 63
-        mov	r9, QWORD PTR [rdx+504]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 8-15
-        ; START: 16-23
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 32
-        mov	r9, QWORD PTR [rdx+256]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 33
-        mov	r9, QWORD PTR [rdx+264]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 34
-        mov	r9, QWORD PTR [rdx+272]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 35
-        mov	r9, QWORD PTR [rdx+280]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 36
-        mov	r9, QWORD PTR [rdx+288]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 37
-        mov	r9, QWORD PTR [rdx+296]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 38
-        mov	r9, QWORD PTR [rdx+304]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 39
-        mov	r9, QWORD PTR [rdx+312]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 40
-        mov	r9, QWORD PTR [rdx+320]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 41
-        mov	r9, QWORD PTR [rdx+328]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 42
-        mov	r9, QWORD PTR [rdx+336]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 43
-        mov	r9, QWORD PTR [rdx+344]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 44
-        mov	r9, QWORD PTR [rdx+352]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 45
-        mov	r9, QWORD PTR [rdx+360]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 46
-        mov	r9, QWORD PTR [rdx+368]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 47
-        mov	r9, QWORD PTR [rdx+376]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 48
-        mov	r9, QWORD PTR [rdx+384]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 49
-        mov	r9, QWORD PTR [rdx+392]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 50
-        mov	r9, QWORD PTR [rdx+400]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 51
-        mov	r9, QWORD PTR [rdx+408]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 52
-        mov	r9, QWORD PTR [rdx+416]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 53
-        mov	r9, QWORD PTR [rdx+424]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 54
-        mov	r9, QWORD PTR [rdx+432]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 55
-        mov	r9, QWORD PTR [rdx+440]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 56
-        mov	r9, QWORD PTR [rdx+448]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 57
-        mov	r9, QWORD PTR [rdx+456]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 58
-        mov	r9, QWORD PTR [rdx+464]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 59
-        mov	r9, QWORD PTR [rdx+472]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 60
-        mov	r9, QWORD PTR [rdx+480]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 61
-        mov	r9, QWORD PTR [rdx+488]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 62
-        mov	r9, QWORD PTR [rdx+496]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 63
-        mov	r9, QWORD PTR [rdx+504]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 16-23
-        ; START: 24-31
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 32
-        mov	r9, QWORD PTR [rdx+256]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 33
-        mov	r9, QWORD PTR [rdx+264]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 34
-        mov	r9, QWORD PTR [rdx+272]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 35
-        mov	r9, QWORD PTR [rdx+280]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 36
-        mov	r9, QWORD PTR [rdx+288]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 37
-        mov	r9, QWORD PTR [rdx+296]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 38
-        mov	r9, QWORD PTR [rdx+304]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 39
-        mov	r9, QWORD PTR [rdx+312]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 40
-        mov	r9, QWORD PTR [rdx+320]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 41
-        mov	r9, QWORD PTR [rdx+328]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 42
-        mov	r9, QWORD PTR [rdx+336]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 43
-        mov	r9, QWORD PTR [rdx+344]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 44
-        mov	r9, QWORD PTR [rdx+352]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 45
-        mov	r9, QWORD PTR [rdx+360]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 46
-        mov	r9, QWORD PTR [rdx+368]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 47
-        mov	r9, QWORD PTR [rdx+376]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 48
-        mov	r9, QWORD PTR [rdx+384]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 49
-        mov	r9, QWORD PTR [rdx+392]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 50
-        mov	r9, QWORD PTR [rdx+400]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 51
-        mov	r9, QWORD PTR [rdx+408]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 52
-        mov	r9, QWORD PTR [rdx+416]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 53
-        mov	r9, QWORD PTR [rdx+424]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 54
-        mov	r9, QWORD PTR [rdx+432]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 55
-        mov	r9, QWORD PTR [rdx+440]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 56
-        mov	r9, QWORD PTR [rdx+448]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 57
-        mov	r9, QWORD PTR [rdx+456]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 58
-        mov	r9, QWORD PTR [rdx+464]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 59
-        mov	r9, QWORD PTR [rdx+472]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 60
-        mov	r9, QWORD PTR [rdx+480]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 61
-        mov	r9, QWORD PTR [rdx+488]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 62
-        mov	r9, QWORD PTR [rdx+496]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 63
-        mov	r9, QWORD PTR [rdx+504]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        ; END: 24-31
-        movdqu	xmm6, OWORD PTR [rsp]
-        movdqu	xmm7, OWORD PTR [rsp+16]
-        movdqu	xmm8, OWORD PTR [rsp+32]
-        movdqu	xmm9, OWORD PTR [rsp+48]
-        movdqu	xmm10, OWORD PTR [rsp+64]
-        movdqu	xmm11, OWORD PTR [rsp+80]
-        movdqu	xmm12, OWORD PTR [rsp+96]
-        movdqu	xmm13, OWORD PTR [rsp+112]
-        add	rsp, 128
-        ret
-sp_2048_get_from_table_32 ENDP
-_TEXT ENDS
-ENDIF
 IFDEF HAVE_INTEL_AVX2
 ; /* Reduce the number back to 2048 bits using Montgomery reduction.
 ;  *
@@ -31834,1768 +26038,6 @@ sp_3072_cmp_24 PROC
         ret
 sp_3072_cmp_24 ENDP
 _TEXT ENDS
-IFNDEF WC_NO_CACHE_RESISTANT
-_TEXT SEGMENT READONLY PARA
-sp_3072_get_from_table_24 PROC
-        sub	rsp, 128
-        movdqu	OWORD PTR [rsp], xmm6
-        movdqu	OWORD PTR [rsp+16], xmm7
-        movdqu	OWORD PTR [rsp+32], xmm8
-        movdqu	OWORD PTR [rsp+48], xmm9
-        movdqu	OWORD PTR [rsp+64], xmm10
-        movdqu	OWORD PTR [rsp+80], xmm11
-        movdqu	OWORD PTR [rsp+96], xmm12
-        movdqu	OWORD PTR [rsp+112], xmm13
-        mov	rax, 1
-        movd	xmm10, r8
-        movd	xmm11, rax
-        pxor	xmm13, xmm13
-        pshufd	xmm11, xmm11, 0
-        pshufd	xmm10, xmm10, 0
-        ; START: 0-7
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 0-7
-        ; START: 8-15
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 8-15
-        ; START: 16-23
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 16
-        mov	r9, QWORD PTR [rdx+128]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 17
-        mov	r9, QWORD PTR [rdx+136]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 18
-        mov	r9, QWORD PTR [rdx+144]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 19
-        mov	r9, QWORD PTR [rdx+152]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 20
-        mov	r9, QWORD PTR [rdx+160]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 21
-        mov	r9, QWORD PTR [rdx+168]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 22
-        mov	r9, QWORD PTR [rdx+176]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 23
-        mov	r9, QWORD PTR [rdx+184]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 24
-        mov	r9, QWORD PTR [rdx+192]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 25
-        mov	r9, QWORD PTR [rdx+200]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 26
-        mov	r9, QWORD PTR [rdx+208]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 27
-        mov	r9, QWORD PTR [rdx+216]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 28
-        mov	r9, QWORD PTR [rdx+224]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 29
-        mov	r9, QWORD PTR [rdx+232]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 30
-        mov	r9, QWORD PTR [rdx+240]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 31
-        mov	r9, QWORD PTR [rdx+248]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        ; END: 16-23
-        movdqu	xmm6, OWORD PTR [rsp]
-        movdqu	xmm7, OWORD PTR [rsp+16]
-        movdqu	xmm8, OWORD PTR [rsp+32]
-        movdqu	xmm9, OWORD PTR [rsp+48]
-        movdqu	xmm10, OWORD PTR [rsp+64]
-        movdqu	xmm11, OWORD PTR [rsp+80]
-        movdqu	xmm12, OWORD PTR [rsp+96]
-        movdqu	xmm13, OWORD PTR [rsp+112]
-        add	rsp, 128
-        ret
-sp_3072_get_from_table_24 ENDP
-_TEXT ENDS
-ENDIF
 IFDEF HAVE_INTEL_AVX2
 ; /* Reduce the number back to 3072 bits using Montgomery reduction.
 ;  *
@@ -36850,1820 +29292,6 @@ sp_3072_cmp_48 PROC
         ret
 sp_3072_cmp_48 ENDP
 _TEXT ENDS
-IFNDEF WC_NO_CACHE_RESISTANT
-_TEXT SEGMENT READONLY PARA
-sp_3072_get_from_table_48 PROC
-        sub	rsp, 128
-        movdqu	OWORD PTR [rsp], xmm6
-        movdqu	OWORD PTR [rsp+16], xmm7
-        movdqu	OWORD PTR [rsp+32], xmm8
-        movdqu	OWORD PTR [rsp+48], xmm9
-        movdqu	OWORD PTR [rsp+64], xmm10
-        movdqu	OWORD PTR [rsp+80], xmm11
-        movdqu	OWORD PTR [rsp+96], xmm12
-        movdqu	OWORD PTR [rsp+112], xmm13
-        mov	rax, 1
-        movd	xmm10, r8
-        movd	xmm11, rax
-        pxor	xmm13, xmm13
-        pshufd	xmm11, xmm11, 0
-        pshufd	xmm10, xmm10, 0
-        ; START: 0-7
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 0-7
-        ; START: 8-15
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 8-15
-        ; START: 16-23
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 16-23
-        ; START: 24-31
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 24-31
-        ; START: 32-39
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 32-39
-        ; START: 40-47
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        ; END: 40-47
-        movdqu	xmm6, OWORD PTR [rsp]
-        movdqu	xmm7, OWORD PTR [rsp+16]
-        movdqu	xmm8, OWORD PTR [rsp+32]
-        movdqu	xmm9, OWORD PTR [rsp+48]
-        movdqu	xmm10, OWORD PTR [rsp+64]
-        movdqu	xmm11, OWORD PTR [rsp+80]
-        movdqu	xmm12, OWORD PTR [rsp+96]
-        movdqu	xmm13, OWORD PTR [rsp+112]
-        add	rsp, 128
-        ret
-sp_3072_get_from_table_48 ENDP
-_TEXT ENDS
-ENDIF
 IFDEF HAVE_INTEL_AVX2
 ; /* Reduce the number back to 3072 bits using Montgomery reduction.
 ;  *
@@ -49221,2420 +39849,6 @@ sp_4096_cmp_64 PROC
         ret
 sp_4096_cmp_64 ENDP
 _TEXT ENDS
-IFNDEF WC_NO_CACHE_RESISTANT
-_TEXT SEGMENT READONLY PARA
-sp_4096_get_from_table_64 PROC
-        sub	rsp, 128
-        movdqu	OWORD PTR [rsp], xmm6
-        movdqu	OWORD PTR [rsp+16], xmm7
-        movdqu	OWORD PTR [rsp+32], xmm8
-        movdqu	OWORD PTR [rsp+48], xmm9
-        movdqu	OWORD PTR [rsp+64], xmm10
-        movdqu	OWORD PTR [rsp+80], xmm11
-        movdqu	OWORD PTR [rsp+96], xmm12
-        movdqu	OWORD PTR [rsp+112], xmm13
-        mov	rax, 1
-        movd	xmm10, r8
-        movd	xmm11, rax
-        pxor	xmm13, xmm13
-        pshufd	xmm11, xmm11, 0
-        pshufd	xmm10, xmm10, 0
-        ; START: 0-7
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 0-7
-        ; START: 8-15
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 64
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 8-15
-        ; START: 16-23
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 128
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 16-23
-        ; START: 24-31
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 192
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 24-31
-        ; START: 32-39
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 256
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 32-39
-        ; START: 40-47
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 320
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 40-47
-        ; START: 48-55
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 384
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        add	rcx, 64
-        ; END: 48-55
-        ; START: 56-63
-        pxor	xmm13, xmm13
-        pxor	xmm4, xmm4
-        pxor	xmm5, xmm5
-        pxor	xmm6, xmm6
-        pxor	xmm7, xmm7
-        ; ENTRY: 0
-        mov	r9, QWORD PTR [rdx]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 1
-        mov	r9, QWORD PTR [rdx+8]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 2
-        mov	r9, QWORD PTR [rdx+16]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 3
-        mov	r9, QWORD PTR [rdx+24]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 4
-        mov	r9, QWORD PTR [rdx+32]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 5
-        mov	r9, QWORD PTR [rdx+40]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 6
-        mov	r9, QWORD PTR [rdx+48]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 7
-        mov	r9, QWORD PTR [rdx+56]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 8
-        mov	r9, QWORD PTR [rdx+64]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 9
-        mov	r9, QWORD PTR [rdx+72]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 10
-        mov	r9, QWORD PTR [rdx+80]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 11
-        mov	r9, QWORD PTR [rdx+88]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 12
-        mov	r9, QWORD PTR [rdx+96]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 13
-        mov	r9, QWORD PTR [rdx+104]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 14
-        mov	r9, QWORD PTR [rdx+112]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        ; ENTRY: 15
-        mov	r9, QWORD PTR [rdx+120]
-        add	r9, 448
-        movdqu	xmm12, xmm13
-        pcmpeqd	xmm12, xmm10
-        movdqu	xmm0, OWORD PTR [r9]
-        movdqu	xmm1, OWORD PTR [r9+16]
-        movdqu	xmm2, OWORD PTR [r9+32]
-        movdqu	xmm3, OWORD PTR [r9+48]
-        pand	xmm0, xmm12
-        pand	xmm1, xmm12
-        pand	xmm2, xmm12
-        pand	xmm3, xmm12
-        por	xmm4, xmm0
-        por	xmm5, xmm1
-        por	xmm6, xmm2
-        por	xmm7, xmm3
-        paddd	xmm13, xmm11
-        movdqu	OWORD PTR [rcx], xmm4
-        movdqu	OWORD PTR [rcx+16], xmm5
-        movdqu	OWORD PTR [rcx+32], xmm6
-        movdqu	OWORD PTR [rcx+48], xmm7
-        ; END: 56-63
-        movdqu	xmm6, OWORD PTR [rsp]
-        movdqu	xmm7, OWORD PTR [rsp+16]
-        movdqu	xmm8, OWORD PTR [rsp+32]
-        movdqu	xmm9, OWORD PTR [rsp+48]
-        movdqu	xmm10, OWORD PTR [rsp+64]
-        movdqu	xmm11, OWORD PTR [rsp+80]
-        movdqu	xmm12, OWORD PTR [rsp+96]
-        movdqu	xmm13, OWORD PTR [rsp+112]
-        add	rsp, 128
-        ret
-sp_4096_get_from_table_64 ENDP
-_TEXT ENDS
-ENDIF
 IFDEF HAVE_INTEL_AVX2
 ; /* Reduce the number back to 4096 bits using Montgomery reduction.
 ;  *