У шланга очень раздутые бинари, они оптимизирует лапшой из goto и не всегда оптимально. Возможно, это самообман. Я много раз бенчил код, производительность которого меня беспокоила. clang O3 в ряде случаев может давать производительность выше, чем у gcc O2 (т.е. без pgo), но лто не оказывает никакого влияния (и я убедился, что у обоих компиляторов это был не fat lto, так что всё правильно).