<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=us-ascii">
<meta name="Generator" content="Microsoft Word 15 (filtered medium)">
<!--[if !mso]><style>v\:* {behavior:url(#default#VML);}
o\:* {behavior:url(#default#VML);}
w\:* {behavior:url(#default#VML);}
.shape {behavior:url(#default#VML);}
</style><![endif]--><style><!--
/* Font Definitions */
@font-face
        {font-family:"Cambria Math";
        panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
        {font-family:DengXian;
        panose-1:2 1 6 0 3 1 1 1 1 1;}
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
@font-face
        {font-family:"\@DengXian";
        panose-1:2 1 6 0 3 1 1 1 1 1;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0in;
        font-size:11.0pt;
        font-family:"Calibri",sans-serif;}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:blue;
        text-decoration:underline;}
span.elementtoproof
        {mso-style-name:elementtoproof;}
span.EmailStyle21
        {mso-style-type:personal-reply;
        font-family:"Calibri",sans-serif;
        color:#1F497D;
        font-weight:normal;
        font-style:normal;
        text-decoration:none none;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-size:10.0pt;}
@page WordSection1
        {size:8.5in 11.0in;
        margin:1.0in 1.0in 1.0in 1.0in;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]-->
</head>
<body lang="EN-US" link="blue" vlink="purple" style="word-wrap:break-word">
<div class="WordSection1">
<div>
<p class="MsoNormal"><span style="color:#1F497D">I noticed it too, fixed by <a href="https://github.com/llvm/llvm-project/commit/57f71dccd327dc3b19a39ca2cc0d1236bb1b2215">
https://github.com/llvm/llvm-project/commit/57f71dccd327dc3b19a39ca2cc0d1236bb1b2215</a><o:p></o:p></span></p>
</div>
<p class="MsoNormal"><span style="color:#1F497D"><o:p> </o:p></span></p>
<div>
<div style="border:none;border-top:solid #E1E1E1 1.0pt;padding:3.0pt 0in 0in 0in">
<p class="MsoNormal"><b>From:</b> llvm-commits <llvm-commits-bounces@lists.llvm.org>
<b>On Behalf Of </b>Arsenault, Matthew via llvm-commits<br>
<b>Sent:</b> Tuesday, December 13, 2022 10:21 PM<br>
<b>To:</b> llvm-commits@lists.llvm.org; Simon Pilgrim <llvm-dev@redking.me.uk>; Simon Pilgrim <llvmlistbot@llvm.org><br>
<b>Subject:</b> Re: [llvm] 4177e6c - [X86] lowerShuffleAsVTRUNC - support offseted truncations<o:p></o:p></p>
</div>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
<p style="margin:5.0pt"><span style="font-size:10.0pt;font-family:"Arial",sans-serif;color:blue">[AMD Official Use Only - General]<o:p></o:p></span></p>
<p class="MsoNormal"><o:p> </o:p></p>
<div>
<div>
<p class="MsoNormal"><span class="elementtoproof"><span style="font-size:12.0pt;color:black;background:white">X86ISelLowering.cpp:12568:21: warning: variable 'Src' is uninitialized when used within its own initialization [-Wuninitialized]
</span></span><span class="elementtoproof"><span style="font-size:12.0pt;color:black;background:white"><o:p></o:p></span></span></p>
<div>
<p class="MsoNormal"><span style="font-size:12.0pt;color:black;background:white">      SDValue Src = Src =</span><o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"><span style="font-size:12.0pt;color:black;background:white">              ~~~   ^~~<o:p></o:p></span></p>
</div>
<div>
<p class="MsoNormal"><span style="font-size:12.0pt;color:black;background:white">1 warning generated.<o:p></o:p></span></p>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
</div>
<div class="MsoNormal" align="center" style="text-align:center">
<hr size="2" width="98%" align="center">
</div>
<div id="divRplyFwdMsg">
<p class="MsoNormal"><b><span style="color:black">From:</span></b><span style="color:black"> llvm-commits <<a href="mailto:llvm-commits-bounces@lists.llvm.org">llvm-commits-bounces@lists.llvm.org</a>> on behalf of Simon Pilgrim via llvm-commits <<a href="mailto:llvm-commits@lists.llvm.org">llvm-commits@lists.llvm.org</a>><br>
<b>Sent:</b> Tuesday, December 13, 2022 9:00 AM<br>
<b>To:</b> <a href="mailto:llvm-commits@lists.llvm.org">llvm-commits@lists.llvm.org</a> <<a href="mailto:llvm-commits@lists.llvm.org">llvm-commits@lists.llvm.org</a>><br>
<b>Subject:</b> [llvm] 4177e6c - [X86] lowerShuffleAsVTRUNC - support offseted truncations</span>
<o:p></o:p></p>
<div>
<p class="MsoNormal"> <o:p></o:p></p>
</div>
</div>
<div>
<div>
<p class="MsoNormal">Caution: This message originated from an External Source. Use proper caution when opening attachments, clicking links, or responding.<br>
<br>
<br>
Author: Simon Pilgrim<br>
Date: 2022-12-13T14:00:35Z<br>
New Revision: 4177e6cd4f96903b57dc166118149a3ff8e65c4d<br>
<br>
URL: <a href="https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2Fllvm%2Fllvm-project%2Fcommit%2F4177e6cd4f96903b57dc166118149a3ff8e65c4d&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=knVmmCwCjhoI1uCQQNvIBDpFpxzk2a7G7zAcLlFoh3c%3D&amp;reserved=0">
https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2Fllvm%2Fllvm-project%2Fcommit%2F4177e6cd4f96903b57dc166118149a3ff8e65c4d&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=knVmmCwCjhoI1uCQQNvIBDpFpxzk2a7G7zAcLlFoh3c%3D&amp;reserved=0</a><br>
DIFF: <a href="https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2Fllvm%2Fllvm-project%2Fcommit%2F4177e6cd4f96903b57dc166118149a3ff8e65c4d.diff&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=9dEiXJPeG45owMP%2BZW4qY0SSUEmu2lVVaEJzSmPPYZU%3D&amp;reserved=0">
https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2Fllvm%2Fllvm-project%2Fcommit%2F4177e6cd4f96903b57dc166118149a3ff8e65c4d.diff&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=9dEiXJPeG45owMP%2BZW4qY0SSUEmu2lVVaEJzSmPPYZU%3D&amp;reserved=0</a><br>
<br>
LOG: [X86] lowerShuffleAsVTRUNC - support offseted truncations<br>
<br>
Extend the <0,Scale,2*Scale,..> pattern to allow for a fixed offset <Offset,Offset+Scale,Offset+2*Scale,..> pattern, which will lower to a single additional bitshift/pshufd.<br>
<br>
At the moment I've limited this to cases where the LHS/RHS operands are concatenated for free, but this is only to avoid a couple of regressions that should be easily addressable in followups.<br>
<br>
Added:<br>
<br>
<br>
Modified:<br>
    llvm/lib/Target/X86/X86ISelLowering.cpp<br>
    llvm/test/CodeGen/X86/shuffle-strided-with-offset-512.ll<br>
    llvm/test/CodeGen/X86/shuffle-vs-trunc-512.ll<br>
    llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-2.ll<br>
    llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-4.ll<br>
    llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-4.ll<br>
    llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-8.ll<br>
    llvm/test/CodeGen/X86/vector-shuffle-512-v32.ll<br>
    llvm/test/CodeGen/X86/x86-interleaved-access.ll<br>
<br>
Removed:<br>
<br>
<br>
<br>
################################################################################<br>
diff  --git a/llvm/lib/Target/X86/X86ISelLowering.cpp b/llvm/lib/Target/X86/X86ISelLowering.cpp<br>
index ef5a72d4c823..58c00a4396d3 100644<br>
--- a/llvm/lib/Target/X86/X86ISelLowering.cpp<br>
+++ b/llvm/lib/Target/X86/X86ISelLowering.cpp<br>
@@ -12538,31 +12538,50 @@ static SDValue lowerShuffleAsVTRUNC(const SDLoc &DL, MVT VT, SDValue V1,<br>
     if (SrcEltBits < 32 && !Subtarget.hasBWI())<br>
       continue;<br>
<br>
-    // Match shuffle <0,Scale,2*Scale,..,undef_or_zero,undef_or_zero,...><br>
+    // Match shuffle <Ofs,Ofs+Scale,Ofs+2*Scale,..,undef_or_zero,undef_or_zero><br>
     // Bail if the V2 elements are undef.<br>
     unsigned NumHalfSrcElts = NumElts / Scale;<br>
     unsigned NumSrcElts = 2 * NumHalfSrcElts;<br>
-    if (!isSequentialOrUndefInRange(Mask, 0, NumSrcElts, 0, Scale) ||<br>
-        isUndefInRange(Mask, NumHalfSrcElts, NumHalfSrcElts))<br>
-      continue;<br>
+    for (unsigned Offset = 0; Offset != Scale; ++Offset) {<br>
+      if (!isSequentialOrUndefInRange(Mask, 0, NumSrcElts, Offset, Scale) ||<br>
+          isUndefInRange(Mask, NumHalfSrcElts, NumHalfSrcElts))<br>
+        continue;<br>
<br>
-    // The elements beyond the truncation must be undef/zero.<br>
-    unsigned UpperElts = NumElts - NumSrcElts;<br>
-    if (UpperElts > 0 &&<br>
-        !Zeroable.extractBits(UpperElts, NumSrcElts).isAllOnes())<br>
-      continue;<br>
-    bool UndefUppers =<br>
-        UpperElts > 0 && isUndefInRange(Mask, NumSrcElts, UpperElts);<br>
+      // The elements beyond the truncation must be undef/zero.<br>
+      unsigned UpperElts = NumElts - NumSrcElts;<br>
+      if (UpperElts > 0 &&<br>
+          !Zeroable.extractBits(UpperElts, NumSrcElts).isAllOnes())<br>
+        continue;<br>
+      bool UndefUppers =<br>
+          UpperElts > 0 && isUndefInRange(Mask, NumSrcElts, UpperElts);<br>
+<br>
+      // For offset truncations, ensure that the concat is cheap.<br>
+      // TODO: Relax this?<br>
+      if (Offset && (V1.getOpcode() != ISD::EXTRACT_SUBVECTOR ||<br>
+                     V2.getOpcode() != ISD::EXTRACT_SUBVECTOR ||<br>
+                     V1.getOperand(0) != V2.getOperand(0)))<br>
+        continue;<br>
<br>
-    // As we're using both sources then we need to concat them together<br>
-    // and truncate from the double-sized src.<br>
-    MVT ConcatVT = MVT::getVectorVT(VT.getScalarType(), NumElts * 2);<br>
-    SDValue Src = DAG.getNode(ISD::CONCAT_VECTORS, DL, ConcatVT, V1, V2);<br>
+      // As we're using both sources then we need to concat them together<br>
+      // and truncate from the double-sized src.<br>
+      MVT ConcatVT = MVT::getVectorVT(VT.getScalarType(), NumElts * 2);<br>
+      SDValue Src = Src =<br>
+          DAG.getNode(ISD::CONCAT_VECTORS, DL, ConcatVT, V1, V2);<br>
<br>
-    MVT SrcSVT = MVT::getIntegerVT(SrcEltBits);<br>
-    MVT SrcVT = MVT::getVectorVT(SrcSVT, NumSrcElts);<br>
-    Src = DAG.getBitcast(SrcVT, Src);<br>
-    return getAVX512TruncNode(DL, VT, Src, Subtarget, DAG, !UndefUppers);<br>
+      // Move the offset'd elements into place for the truncation.<br>
+      if (Offset) {<br>
+        SmallVector<int, 32> OffsetMask(NumElts * 2, -1);<br>
+        for (unsigned I = 0, E = NumElts * 2; I < E; I += Scale)<br>
+          OffsetMask[I] = I + Offset;<br>
+        Src = DAG.getVectorShuffle(ConcatVT, DL, Src, DAG.getUNDEF(ConcatVT),<br>
+                                   OffsetMask);<br>
+      }<br>
+<br>
+      MVT SrcSVT = MVT::getIntegerVT(SrcEltBits);<br>
+      MVT SrcVT = MVT::getVectorVT(SrcSVT, NumSrcElts);<br>
+      Src = DAG.getBitcast(SrcVT, Src);<br>
+      return getAVX512TruncNode(DL, VT, Src, Subtarget, DAG, !UndefUppers);<br>
+    }<br>
   }<br>
<br>
   return SDValue();<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/shuffle-strided-with-offset-512.ll b/llvm/test/CodeGen/X86/shuffle-strided-with-offset-512.ll<br>
index c7e5c569fb91..e1cf0c4003c9 100644<br>
--- a/llvm/test/CodeGen/X86/shuffle-strided-with-offset-512.ll<br>
+++ b/llvm/test/CodeGen/X86/shuffle-strided-with-offset-512.ll<br>
@@ -1,5 +1,5 @@<br>
 ; NOTE: Assertions have been autogenerated by utils/update_llc_test_checks.py<br>
-; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mattr=+avx512f | FileCheck %s --check-prefix=AVX512 --check-prefix=AVX512F<br>
+; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mattr=+avx512f | FileCheck %s --check-prefixes=AVX512,AVX512F<br>
 ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mattr=+avx512vl,+fast-variable-crosslane-shuffle,+fast-variable-perlane-shuffle | FileCheck %s --check-prefixes=AVX512,AVX512VL<br>
 ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mattr=+avx512vl,+fast-variable-perlane-shuffle | FileCheck %s --check-prefixes=AVX512,AVX512VL<br>
 ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mattr=+avx512bw,+fast-variable-crosslane-shuffle,+fast-variable-perlane-shuffle | FileCheck %s --check-prefixes=AVX512,AVX512BW<br>
@@ -121,23 +121,68 @@ define void @shuffle_v16i32_to_v8i32_1(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v16i8_1(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v16i8_1:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
-; AVX512-NEXT:    vmovdqa %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v16i8_1:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v16i8_1:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512VL-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512VL-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512VL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v16i8_1:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v16i8_1:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512BWVL-NEXT:    vpsrlw $8, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BWVL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <16 x i32> <i32 1, i32 5, i32 9, i32 13, i32 17, i32 21, i32 25, i32 29, i32 33, i32 37, i32 41, i32 45, i32 49, i32 53, i32 57, i32 61><br>
   store <16 x i8> %strided.vec, ptr %S<br>
@@ -145,23 +190,67 @@ define void @shuffle_v64i8_to_v16i8_1(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v16i8_2(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v16i8_2:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
-; AVX512-NEXT:    vmovdqa %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v16i8_2:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrld $16, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v16i8_2:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512VL-NEXT:    vpsrld $16, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v16i8_2:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrld $16, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v16i8_2:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512BWVL-NEXT:    vpsrld $16, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BWVL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <16 x i32> <i32 2, i32 6, i32 10, i32 14, i32 18, i32 22, i32 26, i32 30, i32 34, i32 38, i32 42, i32 46, i32 50, i32 54, i32 58, i32 62><br>
   store <16 x i8> %strided.vec, ptr %S<br>
@@ -169,23 +258,67 @@ define void @shuffle_v64i8_to_v16i8_2(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v16i8_3(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v16i8_3:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
-; AVX512-NEXT:    vmovdqa %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v16i8_3:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrld $24, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v16i8_3:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512VL-NEXT:    vpsrld $24, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v16i8_3:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrld $24, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovdb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v16i8_3:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512BWVL-NEXT:    vpsrld $24, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovdb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BWVL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <16 x i32> <i32 3, i32 7, i32 11, i32 15, i32 19, i32 23, i32 27, i32 31, i32 35, i32 39, i32 43, i32 47, i32 51, i32 55, i32 59, i32 63><br>
   store <16 x i8> %strided.vec, ptr %S<br>
@@ -200,31 +333,27 @@ define void @shuffle_v32i16_to_v8i16_1(ptr %L, ptr %S) nounwind {<br>
 ; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[0,2,2,3]<br>
 ; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,1,3,4,5,6,7]<br>
 ; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[0,2,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[1,3,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm2 = mem[0,2,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrld $16, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqw %zmm1, %xmm1<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512VL-LABEL: shuffle_v32i16_to_v8i16_1:<br>
 ; AVX512VL:       # %bb.0:<br>
-; AVX512VL-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512VL-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm4 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm3 = [2,3,10,11,8,9,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
 ; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
+; AVX512VL-NEXT:    vpsrld $16, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqw %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
 ; AVX512VL-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: shuffle_v32i16_to_v8i16_1:<br>
@@ -259,31 +388,26 @@ define void @shuffle_v32i16_to_v8i16_2(ptr %L, ptr %S) nounwind {<br>
 ; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[3,1,2,3]<br>
 ; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,2,0,4,5,6,7]<br>
 ; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[3,1,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[2,0,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm2 = mem[3,1,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
+; AVX512F-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512F-NEXT:    vpmovqw %zmm1, %xmm1<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512VL-LABEL: shuffle_v32i16_to_v8i16_2:<br>
 ; AVX512VL:       # %bb.0:<br>
-; AVX512VL-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512VL-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm4 = [12,13,14,15,4,5,12,13,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm3 = [4,5,12,13,4,5,6,7,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = [12,13,14,15,4,5,12,13,8,9,10,11,12,13,14,15]<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
 ; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
+; AVX512VL-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512VL-NEXT:    vpmovqw %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
 ; AVX512VL-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: shuffle_v32i16_to_v8i16_2:<br>
@@ -318,31 +442,27 @@ define void @shuffle_v32i16_to_v8i16_3(ptr %L, ptr %S) nounwind {<br>
 ; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[3,1,2,3]<br>
 ; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm1 = mem[3,1,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[3,1,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpshufd {{.*#+}} xmm2 = mem[3,1,2,3]<br>
-; AVX512F-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlq $48, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqw %zmm1, %xmm1<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512F-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512VL-LABEL: shuffle_v32i16_to_v8i16_3:<br>
 ; AVX512VL:       # %bb.0:<br>
-; AVX512VL-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512VL-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm4 = [12,13,14,15,6,7,14,15,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512VL-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm3 = [6,7,14,15,4,5,6,7,8,9,10,11,12,13,14,15]<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = [12,13,14,15,6,7,14,15,8,9,10,11,12,13,14,15]<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
 ; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
+; AVX512VL-NEXT:    vpsrlq $48, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqw %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512VL-NEXT:    vmovdqa %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
 ; AVX512VL-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: shuffle_v32i16_to_v8i16_3:<br>
@@ -370,23 +490,68 @@ define void @shuffle_v32i16_to_v8i16_3(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_1(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_1:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_1:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_1:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512VL-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512VL-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_1:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrlw $8, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_1:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrlw $8, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 1, i32 9, i32 17, i32 25, i32 33, i32 41, i32 49, i32 57><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -394,23 +559,67 @@ define void @shuffle_v64i8_to_v8i8_1(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_2(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_2:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_2:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrld $16, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_2:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpsrld $16, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_2:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrld $16, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_2:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrld $16, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 2, i32 10, i32 18, i32 26, i32 34, i32 42, i32 50, i32 58><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -418,23 +627,67 @@ define void @shuffle_v64i8_to_v8i8_2(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_3(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_3:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_3:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrld $24, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_3:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpsrld $24, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_3:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrld $24, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_3:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrld $24, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 3, i32 11, i32 19, i32 27, i32 35, i32 43, i32 51, i32 59><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -442,23 +695,65 @@ define void @shuffle_v64i8_to_v8i8_3(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_4(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_4:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_4:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512F-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512F-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_4:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_4:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BW-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_4:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpshufd {{.*#+}} ymm1 = mem[1,1,3,3,5,5,7,7]<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 4, i32 12, i32 20, i32 28, i32 36, i32 44, i32 52, i32 60><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -466,23 +761,67 @@ define void @shuffle_v64i8_to_v8i8_4(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_5(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_5:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_5:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlq $40, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_5:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpsrlq $40, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_5:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrlq $40, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_5:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrlq $40, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 5, i32 13, i32 21, i32 29, i32 37, i32 45, i32 53, i32 61><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -490,23 +829,67 @@ define void @shuffle_v64i8_to_v8i8_5(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_6(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_6:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_6:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlq $48, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_6:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpsrlq $48, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_6:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrlq $48, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_6:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrlq $48, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 6, i32 14, i32 22, i32 30, i32 38, i32 46, i32 54, i32 62><br>
   store <8 x i8> %strided.vec, ptr %S<br>
@@ -514,26 +897,72 @@ define void @shuffle_v64i8_to_v8i8_6(ptr %L, ptr %S) nounwind {<br>
 }<br>
<br>
 define void @shuffle_v64i8_to_v8i8_7(ptr %L, ptr %S) nounwind {<br>
-; AVX512-LABEL: shuffle_v64i8_to_v8i8_7:<br>
-; AVX512:       # %bb.0:<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm3 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512-NEXT:    vmovq %xmm0, (%rsi)<br>
-; AVX512-NEXT:    retq<br>
+; AVX512F-LABEL: shuffle_v64i8_to_v8i8_7:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512F-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512F-NEXT:    vpsrlq $56, %ymm1, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
+;<br>
+; AVX512VL-LABEL: shuffle_v64i8_to_v8i8_7:<br>
+; AVX512VL:       # %bb.0:<br>
+; AVX512VL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512VL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512VL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512VL-NEXT:    vpsrlq $56, (%rdi), %ymm1<br>
+; AVX512VL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512VL-NEXT:    vzeroupper<br>
+; AVX512VL-NEXT:    retq<br>
+;<br>
+; AVX512BW-LABEL: shuffle_v64i8_to_v8i8_7:<br>
+; AVX512BW:       # %bb.0:<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm2<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm1<br>
+; AVX512BW-NEXT:    vpsrlq $56, %ymm1, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BW-NEXT:    vzeroupper<br>
+; AVX512BW-NEXT:    retq<br>
+;<br>
+; AVX512BWVL-LABEL: shuffle_v64i8_to_v8i8_7:<br>
+; AVX512BWVL:       # %bb.0:<br>
+; AVX512BWVL-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
+; AVX512BWVL-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BWVL-NEXT:    vpsrlq $56, (%rdi), %ymm1<br>
+; AVX512BWVL-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vmovq %xmm0, (%rsi)<br>
+; AVX512BWVL-NEXT:    vzeroupper<br>
+; AVX512BWVL-NEXT:    retq<br>
   %vec = load <64 x i8>, ptr %L<br>
   %strided.vec = shufflevector <64 x i8> %vec, <64 x i8> undef, <8 x i32> <i32 7, i32 15, i32 23, i32 31, i32 39, i32 47, i32 55, i32 63><br>
   store <8 x i8> %strided.vec, ptr %S<br>
   ret void<br>
 }<br>
<br>
+;; NOTE: These prefixes are unused and the list is autogenerated. Do not add tests below this line:<br>
+; AVX512: {{.*}}<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/shuffle-vs-trunc-512.ll b/llvm/test/CodeGen/X86/shuffle-vs-trunc-512.ll<br>
index a6b447d8dc23..bbf9db65f35f 100644<br>
--- a/llvm/test/CodeGen/X86/shuffle-vs-trunc-512.ll<br>
+++ b/llvm/test/CodeGen/X86/shuffle-vs-trunc-512.ll<br>
@@ -276,86 +276,49 @@ define void @trunc_v8i64_to_v8i8(ptr %L, ptr %S) nounwind {<br>
 define <16 x i8> @trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61(<64 x i8> %x) {<br>
 ; AVX512F-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512F:       # %bb.0:<br>
-; AVX512F-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
-; AVX512F-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512F-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm0, %ymm1<br>
+; AVX512F-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm0, %zmm1, %zmm0<br>
+; AVX512F-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512VL-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512VL:       # %bb.0:<br>
-; AVX512VL-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
-; AVX512VL-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512VL-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512VL-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; AVX512VL-NEXT:    vpsrlw $8, %ymm0, %ymm1<br>
+; AVX512VL-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
+; AVX512VL-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512VL-NEXT:    vinserti64x4 $1, %ymm0, %zmm1, %zmm0<br>
+; AVX512VL-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512VL-NEXT:    vzeroupper<br>
 ; AVX512VL-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512BW:       # %bb.0:<br>
-; AVX512BW-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
-; AVX512BW-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512BW-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vpsrlw $8, %zmm0, %zmm0<br>
+; AVX512BW-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512BW-NEXT:    vzeroupper<br>
 ; AVX512BW-NEXT:    retq<br>
 ;<br>
 ; AVX512BWVL-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512BWVL:       # %bb.0:<br>
-; AVX512BWVL-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
-; AVX512BWVL-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
-; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512BWVL-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512BWVL-NEXT:    vpshufb %xmm3, %xmm1, %xmm1<br>
-; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512BWVL-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
-; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BWVL-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512BWVL-NEXT:    vpshufb %xmm3, %xmm0, %xmm0<br>
-; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; AVX512BWVL-NEXT:    vpsrlw $8, %zmm0, %zmm0<br>
+; AVX512BWVL-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512BWVL-NEXT:    vzeroupper<br>
 ; AVX512BWVL-NEXT:    retq<br>
 ;<br>
 ; AVX512VBMI-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512VBMI:       # %bb.0:<br>
-; AVX512VBMI-NEXT:    vmovdqa {{.*#+}} xmm1 = [1,5,9,13,17,21,25,29,33,37,41,45,49,53,57,61]<br>
-; AVX512VBMI-NEXT:    vpermb %zmm0, %zmm1, %zmm0<br>
-; AVX512VBMI-NEXT:    # kill: def $xmm0 killed $xmm0 killed $zmm0<br>
+; AVX512VBMI-NEXT:    vpsrlw $8, %zmm0, %zmm0<br>
+; AVX512VBMI-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512VBMI-NEXT:    vzeroupper<br>
 ; AVX512VBMI-NEXT:    retq<br>
 ;<br>
 ; AVX512VBMIVL-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_61:<br>
 ; AVX512VBMIVL:       # %bb.0:<br>
-; AVX512VBMIVL-NEXT:    vmovdqa {{.*#+}} xmm1 = [1,5,9,13,17,21,25,29,33,37,41,45,49,53,57,61]<br>
-; AVX512VBMIVL-NEXT:    vextracti64x4 $1, %zmm0, %ymm2<br>
-; AVX512VBMIVL-NEXT:    vpermt2b %ymm2, %ymm1, %ymm0<br>
-; AVX512VBMIVL-NEXT:    # kill: def $xmm0 killed $xmm0 killed $zmm0<br>
+; AVX512VBMIVL-NEXT:    vpsrlw $8, %zmm0, %zmm0<br>
+; AVX512VBMIVL-NEXT:    vpmovdb %zmm0, %xmm0<br>
 ; AVX512VBMIVL-NEXT:    vzeroupper<br>
 ; AVX512VBMIVL-NEXT:    retq<br>
   %res = shufflevector <64 x i8> %x, <64 x i8> %x, <16 x i32> <i32 1, i32 5, i32 9, i32 13, i32 17, i32 21, i32 25, i32 29, i32 33, i32 37, i32 41, i32 45, i32 49, i32 53, i32 57, i32 61><br>
@@ -365,65 +328,53 @@ define <16 x i8> @trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_<br>
 define <16 x i8> @trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_62(<64 x i8> %x) {<br>
 ; AVX512F-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_62:<br>
 ; AVX512F:       # %bb.0:<br>
-; AVX512F-NEXT:    vextracti128 $1, %ymm0, %xmm1<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-NEXT:    vpshufb %xmm2, %xmm0, %xmm2<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
-; AVX512F-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
+; AVX512F-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
+; AVX512F-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
 ; AVX512F-NEXT:    vpshufb {{.*#+}} xmm2 = xmm2[u,u,u,u,1,5,9,14,u,u,u,u,u,u,u,u]<br>
-; AVX512F-NEXT:    vpshufb {{.*#+}} xmm0 = xmm0[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512F-NEXT:    vpshufb {{.*#+}} xmm1 = xmm1[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
+; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512F-NEXT:    vpmovdb %zmm0, %xmm0<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
 ; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512VL-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_62:<br>
 ; AVX512VL:       # %bb.0:<br>
-; AVX512VL-NEXT:    vextracti128 $1, %ymm0, %xmm1<br>
-; AVX512VL-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512VL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512VL-NEXT:    vpshufb %xmm2, %xmm0, %xmm2<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512VL-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
-; AVX512VL-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
+; AVX512VL-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
+; AVX512VL-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
 ; AVX512VL-NEXT:    vpshufb {{.*#+}} xmm2 = xmm2[u,u,u,u,1,5,9,14,u,u,u,u,u,u,u,u]<br>
-; AVX512VL-NEXT:    vpshufb {{.*#+}} xmm0 = xmm0[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
-; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512VL-NEXT:    vpshufb {{.*#+}} xmm1 = xmm1[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
+; AVX512VL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
+; AVX512VL-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512VL-NEXT:    vpmovdb %ymm0, %xmm0<br>
+; AVX512VL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
 ; AVX512VL-NEXT:    vzeroupper<br>
 ; AVX512VL-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_62:<br>
 ; AVX512BW:       # %bb.0:<br>
-; AVX512BW-NEXT:    vextracti128 $1, %ymm0, %xmm1<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm0, %xmm2<br>
-; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512BW-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
-; AVX512BW-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
+; AVX512BW-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
+; AVX512BW-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
 ; AVX512BW-NEXT:    vpshufb {{.*#+}} xmm2 = xmm2[u,u,u,u,1,5,9,14,u,u,u,u,u,u,u,u]<br>
-; AVX512BW-NEXT:    vpshufb {{.*#+}} xmm0 = xmm0[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
-; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BW-NEXT:    vpshufb {{.*#+}} xmm1 = xmm1[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
+; AVX512BW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
+; AVX512BW-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512BW-NEXT:    vpmovdb %zmm0, %xmm0<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
 ; AVX512BW-NEXT:    vzeroupper<br>
 ; AVX512BW-NEXT:    retq<br>
 ;<br>
 ; AVX512BWVL-LABEL: trunc_shuffle_v64i8_01_05_09_13_17_21_25_29_33_37_41_45_49_53_57_62:<br>
 ; AVX512BWVL:       # %bb.0:<br>
-; AVX512BWVL-NEXT:    vextracti128 $1, %ymm0, %xmm1<br>
-; AVX512BWVL-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512BWVL-NEXT:    vpshufb %xmm2, %xmm0, %xmm2<br>
-; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512BWVL-NEXT:    vextracti64x4 $1, %zmm0, %ymm0<br>
-; AVX512BWVL-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
+; AVX512BWVL-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
+; AVX512BWVL-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
 ; AVX512BWVL-NEXT:    vpshufb {{.*#+}} xmm2 = xmm2[u,u,u,u,1,5,9,14,u,u,u,u,u,u,u,u]<br>
-; AVX512BWVL-NEXT:    vpshufb {{.*#+}} xmm0 = xmm0[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
-; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512BWVL-NEXT:    vpshufb {{.*#+}} xmm1 = xmm1[u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u]<br>
+; AVX512BWVL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
+; AVX512BWVL-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512BWVL-NEXT:    vpmovdb %ymm0, %xmm0<br>
+; AVX512BWVL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
 ; AVX512BWVL-NEXT:    vzeroupper<br>
 ; AVX512BWVL-NEXT:    retq<br>
 ;<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-2.ll b/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-2.ll<br>
index f3edc9da3b4b..8126522a3bfc 100644<br>
--- a/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-2.ll<br>
+++ b/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-2.ll<br>
@@ -496,55 +496,18 @@ define void @load_i16_stride2_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1) no<br>
 ; AVX2-FAST-PERLANE-NEXT:    vzeroupper<br>
 ; AVX2-FAST-PERLANE-NEXT:    retq<br>
 ;<br>
-; AVX512F-SLOW-LABEL: load_i16_stride2_vf32:<br>
-; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 64(%rdi), %zmm1<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm1, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %ymm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm3, %ymm2, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %ymm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %ymm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} ymm7 = <2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm7, %ymm6, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm6[0,1],ymm2[2,3],ymm6[4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm3, %ymm5, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm7, %ymm4, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1],ymm3[2,3],ymm4[4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm3, %zmm2<br>
-; AVX512F-SLOW-NEXT:    vpermq {{.*#+}} zmm2 = zmm2[0,2,1,3,4,6,5,7]<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm0, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %ymm1, 32(%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm2, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vzeroupper<br>
-; AVX512F-SLOW-NEXT:    retq<br>
-;<br>
-; AVX512F-FAST-LABEL: load_i16_stride2_vf32:<br>
-; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 64(%rdi), %zmm1<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm2, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %ymm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %ymm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm5, %ymm3<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm2, %zmm3, %zmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm6, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm3<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm5, %zmm3, %zmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} zmm4 = [0,2,9,11,4,6,13,15]<br>
-; AVX512F-FAST-NEXT:    vpermi2q %zmm2, %zmm3, %zmm4<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm0, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm1, 32(%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm4, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vzeroupper<br>
-; AVX512F-FAST-NEXT:    retq<br>
+; AVX512F-LABEL: load_i16_stride2_vf32:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
+; AVX512F-NEXT:    vmovdqa64 64(%rdi), %zmm1<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm0, %zmm2<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm1, %zmm3<br>
+; AVX512F-NEXT:    vpmovdw %zmm1, 32(%rsi)<br>
+; AVX512F-NEXT:    vpmovdw %zmm0, (%rsi)<br>
+; AVX512F-NEXT:    vpmovdw %zmm3, 32(%rdx)<br>
+; AVX512F-NEXT:    vpmovdw %zmm2, (%rdx)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: load_i16_stride2_vf32:<br>
 ; AVX512BW:       # %bb.0:<br>
@@ -983,86 +946,27 @@ define void @load_i16_stride2_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1) no<br>
 ; AVX2-FAST-PERLANE-NEXT:    vzeroupper<br>
 ; AVX2-FAST-PERLANE-NEXT:    retq<br>
 ;<br>
-; AVX512F-SLOW-LABEL: load_i16_stride2_vf64:<br>
-; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 192(%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 64(%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %ymm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm5, %ymm4, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %ymm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %ymm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} ymm9 = <2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm9, %ymm8, %ymm8<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1],ymm4[2,3],ymm8[4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm5, %ymm7, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm9, %ymm6, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1],ymm7[2,3],ymm6[4,5],ymm7[6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm6, %zmm4<br>
-; AVX512F-SLOW-NEXT:    vpermq {{.*#+}} zmm4 = zmm4[0,2,1,3,4,6,5,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %ymm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm5, %ymm6, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm9, %ymm7, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1],ymm6[2,3],ymm7[4,5],ymm6[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm5, %ymm7, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %ymm9, %ymm7, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm7[0,1],ymm5[2,3],ymm7[4,5],ymm5[6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm6, %zmm5, %zmm5<br>
-; AVX512F-SLOW-NEXT:    vpermq {{.*#+}} zmm5 = zmm5[0,2,1,3,4,6,5,7]<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm3, 32(%rsi)<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm2, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm1, 64(%rsi)<br>
-; AVX512F-SLOW-NEXT:    vpmovdw %zmm0, 96(%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm5, 64(%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm4, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vzeroupper<br>
-; AVX512F-SLOW-NEXT:    retq<br>
-;<br>
-; AVX512F-FAST-LABEL: load_i16_stride2_vf64:<br>
-; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 64(%rdi), %zmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %ymm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm7, %ymm7<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm4, %zmm7, %zmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <2,3,6,7,10,11,14,15,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm8, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm8, %zmm6, %zmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} zmm8 = [0,2,9,11,4,6,13,15]<br>
-; AVX512F-FAST-NEXT:    vpermt2q %zmm4, %zmm8, %zmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa 224(%rdi), %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 160(%rdi), %ymm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm9, %ymm5<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm4, %zmm5, %zmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 192(%rdi), %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm5, %ymm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 128(%rdi), %ymm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm9, %ymm7<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm5, %zmm7, %zmm5<br>
-; AVX512F-FAST-NEXT:    vpermt2q %zmm4, %zmm8, %zmm5<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm3, 32(%rsi)<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm2, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm1, 64(%rsi)<br>
-; AVX512F-FAST-NEXT:    vpmovdw %zmm0, 96(%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm5, 64(%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm6, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vzeroupper<br>
-; AVX512F-FAST-NEXT:    retq<br>
+; AVX512F-LABEL: load_i16_stride2_vf64:<br>
+; AVX512F:       # %bb.0:<br>
+; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
+; AVX512F-NEXT:    vmovdqa64 64(%rdi), %zmm1<br>
+; AVX512F-NEXT:    vmovdqa64 128(%rdi), %zmm2<br>
+; AVX512F-NEXT:    vmovdqa64 192(%rdi), %zmm3<br>
+; AVX512F-NEXT:    vpmovdw %zmm1, %ymm4<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm1, %zmm1<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm0, %zmm5<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm3, %zmm6<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm2, %zmm7<br>
+; AVX512F-NEXT:    vpmovdw %zmm0, (%rsi)<br>
+; AVX512F-NEXT:    vmovdqa %ymm4, 32(%rsi)<br>
+; AVX512F-NEXT:    vpmovdw %zmm2, 64(%rsi)<br>
+; AVX512F-NEXT:    vpmovdw %zmm3, 96(%rsi)<br>
+; AVX512F-NEXT:    vpmovdw %zmm7, 64(%rdx)<br>
+; AVX512F-NEXT:    vpmovdw %zmm6, 96(%rdx)<br>
+; AVX512F-NEXT:    vpmovdw %zmm5, (%rdx)<br>
+; AVX512F-NEXT:    vpmovdw %zmm1, 32(%rdx)<br>
+; AVX512F-NEXT:    vzeroupper<br>
+; AVX512F-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-LABEL: load_i16_stride2_vf64:<br>
 ; AVX512BW:       # %bb.0:<br>
@@ -1101,7 +1005,6 @@ define void @load_i16_stride2_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1) no<br>
 ; AVX512DQ-SLOW: {{.*}}<br>
 ; AVX512DQBW-FAST: {{.*}}<br>
 ; AVX512DQBW-SLOW: {{.*}}<br>
-; AVX512F: {{.*}}<br>
 ; AVX512F-ONLY-FAST: {{.*}}<br>
 ; AVX512F-ONLY-SLOW: {{.*}}<br>
 ; FALLBACK0: {{.*}}<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-4.ll b/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-4.ll<br>
index 5f692f4db8b8..2900a042b69f 100644<br>
--- a/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-4.ll<br>
+++ b/llvm/test/CodeGen/X86/vector-interleaved-load-i16-stride-4.ll<br>
@@ -577,42 +577,34 @@ define void @load_i16_stride4_vf8(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-LABEL: load_i16_stride4_vf8:<br>
 ; AVX512F-SLOW:       # %bb.0:<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm1[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,1,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm4[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm3[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm3[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %ymm4, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm5, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm1[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm3[0,1,2,0,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm2[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm1[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm7[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} ymm6 = ymm4[1,1,3,3,5,5,7,7]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm6, %xmm6<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm4[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm3[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm1[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm3[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %ymm4, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, (%rcx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, (%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, (%rcx)<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, (%r8)<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
@@ -620,40 +612,33 @@ define void @load_i16_stride4_vf8(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-FAST-LABEL: load_i16_stride4_vf8:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm4, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm3, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = [2,3,10,11,8,9,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm2, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm1, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
+; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %ymm3<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %ymm3, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpmovqw %ymm5, %xmm5<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
+; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm1[0,1,2,0,4,5,6,7]<br>
 ; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
 ; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm4[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm3[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm1[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
+; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1]<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} ymm6 = ymm3[1,1,3,3,5,5,7,7]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %ymm6, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
+; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm3[2,3]<br>
+; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpmovqw %ymm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
 ; AVX512F-FAST-NEXT:    vpmovqw %zmm0, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm6, (%rcx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm2, (%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm5, (%rcx)<br>
 ; AVX512F-FAST-NEXT:    vmovdqa %xmm1, (%r8)<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
@@ -1168,9 +1153,9 @@ define void @load_i16_stride4_vf16(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm0<br>
 ; AVX512F-SLOW-NEXT:    vpmovqw %ymm0, %xmm0<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm2[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm1[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm1[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm2[0,1,0,2,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm4[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm5[0,1,0,2,4,5,6,7]<br>
@@ -1178,154 +1163,102 @@ define void @load_i16_stride4_vf16(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm3[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,1,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm6[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm5[0],xmm2[0],xmm5[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm7[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm3[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm7[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm7[0],xmm5[0],xmm7[1],xmm5[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm6[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm8[0],xmm5[0],xmm8[1],xmm5[1]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm9[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm10[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm8[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm11[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm7[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm11[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm5[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm10 = xmm11[0,1],xmm10[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm2[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm5[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm3, %zmm5<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm5, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm5[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm1[0,1,2,0,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm4[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm6[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm6[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm3[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm11[0,1,2,3,4,5],ymm10[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm9[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm9[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm8[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm8[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm4[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm8[0],xmm5[0],xmm8[1],xmm5[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm7[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm7[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm5[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm5[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm11 = xmm12[0,1],xmm11[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm11[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm7[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm6[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm6[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm8[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm8 = zmm3[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm8, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm8[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm6[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm9[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm8[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm7[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0,1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm3, %zmm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %ymm0, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %ymm1, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %ymm10, (%rcx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %ymm2, (%r8)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %ymm2, (%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %ymm5, (%rcx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %ymm1, (%r8)<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
 ;<br>
 ; AVX512F-FAST-LABEL: load_i16_stride4_vf16:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [0,2,2,3,0,2,4,6]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %ymm5<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm5, %ymm0, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm3, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = [0,2,2,3,0,2,4,6]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %ymm2<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm1, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm3, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
 ; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %ymm6<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm0, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm7, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm1, %ymm7<br>
 ; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = [0,2,2,3,4,6,12,14]<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm4, %ymm8, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm4, %ymm8, %ymm7<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm4<br>
-; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm12, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm11, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm13[0],xmm9[1],xmm13[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = [2,3,10,11,8,9,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm10, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm4, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm13[0,1],xmm9[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm13 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm3, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm14 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm7, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm9[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = [1,3,2,3,1,3,5,7]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm5, %ymm7, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm5, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm7, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm6, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm1, %ymm8, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm1 = xmm12[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm1[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm8 = xmm11[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm8[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm9[0],xmm7[0],xmm9[1],xmm7[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm9 = xmm10[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm9[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm4[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm10[0,1],xmm7[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm7[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm5, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm8[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm6[0],xmm1[0],xmm6[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm9[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm4[0],xmm6[0],xmm4[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm0, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm3, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm2, (%rcx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm1, (%r8)<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm9[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm4, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = [1,3,2,3,1,3,5,7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm3, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm2, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm0, %ymm8, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm0 = zmm4[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm0, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm2, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm4, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm7, (%rsi)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm1, (%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm0, (%rcx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm2, (%r8)<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
 ;<br>
@@ -2460,44 +2393,59 @@ define void @load_i16_stride4_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ;<br>
 ; AVX512F-SLOW-LABEL: load_i16_stride4_vf32:<br>
 ; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %ymm1<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %ymm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %ymm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm6[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm8[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm6[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm5[0,1,0,2,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm7<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm7[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm9[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %ymm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 112(%rdi), %xmm24<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm24[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm0[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 96(%rdi), %xmm25<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm25[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm4[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm1, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm3[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm8[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm4[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm12[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4,5],ymm11[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm16 = zmm3[0,1,2,3],zmm5[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 64(%rdi), %xmm26<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm11[0,1,2,3],ymm10[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm2 = zmm10[0,1,2,3],zmm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm13<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[0,1,1,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm14[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm13[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm15[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm15[0],xmm9[0],xmm15[1],xmm9[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm1, %zmm9<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm9, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm5<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm12[0,1,1,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm11[0,2,2,3]<br>
@@ -2507,146 +2455,73 @@ define void @load_i16_stride4_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm9[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 176(%rdi), %xmm18<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm18[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 160(%rdi), %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm19[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 144(%rdi), %xmm20<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm20[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm21[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm13[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm12[0,1],xmm9[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm0, %zmm9<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm9, %xmm9<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm9[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm8, %zmm0, %zmm12<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm4[0],xmm0[0],xmm4[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm5[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm26[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm8[0],xmm4[0],xmm8[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %xmm27<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 16(%rdi), %xmm28<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 32(%rdi), %xmm22<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 48(%rdi), %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm23[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm22[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm13[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm13[0],xmm4[0],xmm13[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm28[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm13[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm27[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm5 = zmm8[0,1,2,3],zmm5[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm6[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm6[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm7[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm7[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm12<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm14[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm8[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm13[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm9[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm13 = zmm1[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm12, %zmm0, %zmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm3[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm4[0,1,2,0,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm13[0,1],xmm4[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm17 = zmm0[0,1,2,3],zmm12[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm6[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm12[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm7[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm13[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm4[0],xmm0[0],xmm4[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm11[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm14[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm10[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm15[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm18[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm1[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm29<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm19[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm1[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm20[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm10[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm21[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm11[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm4[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm18<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm24[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm0[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm25[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm4[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm5[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm1[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm26[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm8[0],xmm5[0],xmm8[1],xmm5[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm5[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm23[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm3[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm22[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm5[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm9[0],xmm6[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm12[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm13[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm28[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm12[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm15[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm11[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm11[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm10[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm10[2,0,2,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm27[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm15[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm7[0],xmm13[0],xmm7[1],xmm13[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm6 = zmm6[0,1,2,3],zmm18[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm4[0],xmm0[0],xmm4[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm7[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm14 = zmm0[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3],ymm13[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm12 = zmm13[0,1,2,3],zmm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm7[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm8[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm9[3,1,2,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm10[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm11[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1],xmm7[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm7[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm4<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm3[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm5[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm12[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm15[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm16, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm17, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm6, (%rcx)<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3,4,5],ymm6[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm1, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm11[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm10[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm0, %zmm0<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm1[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm2, (%rsi)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm5, (%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm12, (%rcx)<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm0, (%r8)<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
@@ -2654,143 +2529,84 @@ define void @load_i16_stride4_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ; AVX512F-FAST-LABEL: load_i16_stride4_vf32:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %zmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = [0,2,2,3,0,2,4,6]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 224(%rdi), %ymm20<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm5, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm3, %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm1, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm21<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm21, %ymm5, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm7, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm17 = [0,2,2,3,4,6,12,14]<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm6, %ymm17, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 96(%rdi), %ymm18<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm18, %ymm5, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm8, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm24<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 64(%rdi), %ymm19<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm19, %ymm5, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm6, %ymm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm25<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm11, %ymm17, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = [0,2,2,3,0,2,4,6]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 224(%rdi), %ymm6<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm4, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm5, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 192(%rdi), %ymm8<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm8, %ymm4, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm9, %ymm10<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = [0,2,2,3,4,6,12,14]<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm7, %ymm11, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm1, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3],ymm10[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm7, %zmm0, %zmm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %ymm10<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm10, %ymm4, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm12, %ymm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %ymm14<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm14, %ymm4, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm15, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm13, %ymm11, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm0, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm7 = zmm4[0,1,2,3],zmm7[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm5, %ymm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm9, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm1, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm13[0,1,2,3],ymm9[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm9, %zmm0, %zmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm12, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm15, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm0, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm9 = zmm12[0,1,2,3],zmm9[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm12 = [1,3,2,3,1,3,5,7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm6, %ymm12, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm6, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm8, %ymm12, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm8, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm13, %ymm11, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm13 = zmm1[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm13[0,1,2,3],ymm15[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm13, %zmm0, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm10, %ymm12, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm10, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm14, %ymm12, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm12, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm2, %ymm11, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm2 = zmm0[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm2, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm2 = zmm2[0,1,2,3],zmm13[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm6, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm8, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm6[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm1, %zmm1<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm1, %xmm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm10, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm12, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm0, %zmm0<br>
 ; AVX512F-FAST-NEXT:    vpmovqw %zmm0, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm16 = zmm0[0,1,2,3],zmm4[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 176(%rdi), %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm12, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 160(%rdi), %xmm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm13, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm4[0],xmm0[0],xmm4[1],xmm0[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = [2,3,10,11,8,9,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 144(%rdi), %xmm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm15, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 128(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm1, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm11[0],xmm5[0],xmm11[1],xmm5[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm5[0,1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm3, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm0, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm7, %ymm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm11[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm22<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm7, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm14, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm3[0],xmm9[1],xmm3[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm11, %xmm10<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm10[0],xmm0[0],xmm10[1],xmm0[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm9[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm8, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm4, %ymm26<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm27<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm6[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm23 = zmm0[0,1,2,3],zmm22[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm22 = [1,3,2,3,1,3,5,7]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm22, %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm6, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm21, %ymm22, %ymm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm9, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm0, %ymm17, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm10 = xmm12[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm10[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm12 = xmm13[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm12[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm13[0],xmm0[0],xmm13[1],xmm0[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm13 = xmm15[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm2 = xmm1[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm13[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm15[0],xmm1[0],xmm15[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm20<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm18, %ymm22, %ymm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm15, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm19, %ymm22, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm1, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm8, %ymm17, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm7 = xmm7[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm7[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm14 = xmm14[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm14[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm4[0],xmm8[0],xmm4[1],xmm8[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm3 = xmm3[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm8 = xmm11[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm3[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm8[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm11[0],xmm5[1],xmm11[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm5[0,1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm17 = zmm0[0,1,2,3],zmm20[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm6, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm9, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm10[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm12[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm13[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm6[0],xmm2[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0,1],xmm5[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm15, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm7[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm14[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm8[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm3[0,1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm1[0,1,2,3],zmm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm16, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm23, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm17, (%rcx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm1, (%r8)<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm7, (%rsi)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm9, (%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm2, (%rcx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm0, (%r8)<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
 ;<br>
@@ -5242,765 +5058,448 @@ define void @load_i16_stride4_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, pt<br>
 ;<br>
 ; AVX512F-SLOW-LABEL: load_i16_stride4_vf64:<br>
 ; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    subq $520, %rsp # imm = 0x208<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 240(%rdi), %xmm16<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm16[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm6[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 224(%rdi), %xmm17<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm17[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm13[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm2[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm9[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm15[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm12[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    subq $88, %rsp<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 240(%rdi), %xmm26<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm26[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm2[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm14[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm8[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm22 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 112(%rdi), %xmm18<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm18[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm4[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm11[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm9[0,1,0,2,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 496(%rdi), %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm10[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 496(%rdi), %xmm16<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm16[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm5[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 480(%rdi), %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm11[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm7[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 480(%rdi), %xmm17<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm17[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm10[0,1,0,2,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 368(%rdi), %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm22[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm3[0,1,0,2,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 352(%rdi), %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm19[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm4[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 368(%rdi), %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm7[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm13[0,1,0,2,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 352(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm6[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm12[0,1,0,2,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 320(%rdi), %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 336(%rdi), %xmm23<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 448(%rdi), %xmm18<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 464(%rdi), %xmm20<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 64(%rdi), %xmm25<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 80(%rdi), %xmm29<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 320(%rdi), %xmm20<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 336(%rdi), %xmm15<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 448(%rdi), %xmm19<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 464(%rdi), %xmm21<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 64(%rdi), %xmm27<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm13[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm1[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm8[0],xmm2[0],xmm8[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm1[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm0[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm9[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm12[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm31 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm29[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm25[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm30 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm7[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm28 = xmm6[0],xmm5[0],xmm6[1],xmm5[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm20[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm18[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm27 = xmm6[0],xmm5[0],xmm6[1],xmm5[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm26 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm23[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm14[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm8[0],xmm2[0],xmm8[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, (%rsp) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm4[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm9[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm3[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm27[0,2,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm16[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm17[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm5[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm28 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm5[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm10[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm21[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm19[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm13[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm12[0,1,1,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm15[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm20[0,2,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[1,3,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm24 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm26[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm5[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm14[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm1[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm10[2,0,2,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm0[3,1,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm2[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm0[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm15[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm30 = xmm0[0],xmm1[0],xmm0[1],xmm1[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm18[3,1,2,3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm0[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm29[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm0[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm25[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm0[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm25 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm10[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm11[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm10[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm0[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm20[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, (%rsp) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm18[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm1[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm11[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm20 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm22[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm19[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm0[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm1[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm23[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm0[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm0 = xmm14[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm0[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %ymm2<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %ymm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm3 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %ymm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm2[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 448(%rdi), %ymm0<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm11[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm8[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm23 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm3[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm9[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm31<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm27[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm9[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm27 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm16[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm17[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm1[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm29<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm2[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm26<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm18 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm1 = xmm21[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm19[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm1[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm4[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm17 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm7[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm6[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm7[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm3[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm16 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm15[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm6[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm20[3,1,2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm15[2,0,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm20 = xmm1[0],xmm0[0],xmm1[1],xmm0[1]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %ymm0<br>
 ; AVX512F-SLOW-NEXT:    vpmovqw %ymm0, %xmm0<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm2 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 384(%rdi), %zmm2<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm2[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 320(%rdi), %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm22, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm0<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %ymm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm14 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm14 = ymm1[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm1, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm13[0,1,2,3],ymm14[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm22 = zmm13[0,1,2,3],zmm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 448(%rdi), %ymm2<br>
 ; AVX512F-SLOW-NEXT:    vpmovqw %ymm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm3 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm3<br>
-; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm2[0,1,2,3],zmm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm2 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm2[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm2[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm1[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm14[0],xmm3[0],xmm14[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm7[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm6[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm15[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm14[0,1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm31, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm30, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm14[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm15[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm8[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm5[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm4[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm14[0],xmm9[1],xmm14[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm9[0,1],xmm12[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm9[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm3[0,1,2,3],zmm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm28, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm27, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 432(%rdi), %xmm17<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm17[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 416(%rdi), %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm23[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm9[0],xmm3[0],xmm9[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 400(%rdi), %xmm27<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm27[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 384(%rdi), %xmm28<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm28[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm9[0,1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm26, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 304(%rdi), %xmm26<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm26[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 288(%rdi), %xmm31<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm12 = xmm31[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[0,1,1,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm12[0],xmm3[0],xmm12[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 272(%rdi), %xmm16<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm16[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 256(%rdi), %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm13 = xmm22[0,2,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm13[1,3,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0,1],xmm12[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm12[0,1,2,3],ymm9[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm9[0,1,2,3],zmm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm0 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm3[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm9[0],xmm0[0],xmm9[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm9 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm9[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm9 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm12 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm30 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm3 = xmm1[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm2[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm3[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm9 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm12 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm29 = xmm12[0],xmm9[0],xmm12[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm7[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm6[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm9[0],xmm6[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm6[0,1],xmm1[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm25, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm0 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm9 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm25 = xmm9[0],xmm0[0],xmm9[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm15[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm2[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm15 = xmm8[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm15[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm8[0],xmm0[0],xmm8[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm9 = xmm5[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm9[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm7 = xmm4[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm7[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm13[0],xmm0[0],xmm13[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm8[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm6, %zmm0, %zmm1<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm10[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm6 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm18 = xmm6[0],xmm1[0],xmm6[1],xmm1[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm6 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm20, %ymm0, %ymm8<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm8[0,1,2,3,4,5],ymm6[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, (%rsp), %xmm6 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm6 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm11[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm20 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm6 = xmm17[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm8 = xmm23[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm6[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm8[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm11[0],xmm0[0],xmm11[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm11 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm10 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm17 = xmm10[0],xmm11[0],xmm10[1],xmm11[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm11 = xmm27[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm11[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm5 = xmm28[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm5[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm0[0,1,2,3],ymm13[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm3 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm10 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm10[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm10 = xmm26[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm10[0,1,2,0,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm4 = xmm31[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm4[0,1,2,0,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm13 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm2[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 384(%rdi), %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm2, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3],ymm13[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 320(%rdi), %ymm14<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %ymm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm12 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm21<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm21, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm13, %zmm0, %zmm13<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm19 = zmm12[0,1,2,3],zmm13[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm12 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, (%rsp), %ymm0, %ymm13 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm0, %zmm13<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm13 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm28, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm1, %zmm14<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3],ymm13[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm12, %zmm0, %zmm12<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm28 = zmm13[0,1,2,3],zmm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm12 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm13 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm2, %zmm13<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm13 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm24, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm21, %zmm14<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3],ymm13[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm12, %zmm0, %zmm12<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm24 = zmm13[0,1,2,3],zmm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm5[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    # xmm14 = mem[0,1,3,1,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm14 = xmm16[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm14[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} xmm2 = xmm22[3,1,2,3]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm2[2,0,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm12[0],xmm0[0],xmm12[1],xmm0[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm13[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm1 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm30, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm3 = mem[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm14 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm30, %ymm0, %ymm12<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm12[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm14 = zmm0[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm12, %zmm0, %zmm12<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm10[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Folded Reload<br>
+; AVX512F-SLOW-NEXT:    # xmm11 = mem[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm11 = xmm11[0],xmm14[0],xmm11[1],xmm14[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm23, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm27, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm14 = zmm1[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm14[0,1,2,3],ymm10[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm10 = zmm10[0,1,2,3],zmm12[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw $116, {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Folded Reload<br>
 ; AVX512F-SLOW-NEXT:    # xmm12 = mem[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm12[0],xmm3[0],xmm12[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm13[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm12[0,1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm29, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm25, %ymm0, %ymm12<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm12 = xmm12[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm13 = xmm15[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm8[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm12 = xmm14[0],xmm12[0],xmm14[1],xmm12[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm18, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm8<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm14 = zmm2[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm14[0,1,2,3],ymm8[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm8, %zmm0, %zmm8<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm5[3,1,2,3,4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm7[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm7[0],xmm9[0],xmm7[1],xmm9[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm7 = xmm7[0,1],xmm12[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm3[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm3 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Folded Reload<br>
-; AVX512F-SLOW-NEXT:    # xmm7 = mem[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm7[0],xmm3[0],xmm7[1],xmm3[1]<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm18, %ymm0, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm20, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm7 = ymm9[0,1,2,3,4,5],ymm7[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm14[0],xmm9[1],xmm14[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm16, %ymm0, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm20, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm14 = zmm21[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm5 = zmm5[0,1,2,3],zmm8[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm8<br>
 ; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm8[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm8 = xmm11[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm8[0],xmm5[1],xmm8[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm5[0,1],xmm6[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3],ymm7[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm5<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5],ymm6[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm10[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[0,1,3,1,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm4[0],xmm6[0],xmm4[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm14[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[3,1,2,3,4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm6[0],xmm2[1],xmm6[1]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0,1],xmm4[2,3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm14[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm14[0],xmm8[0],xmm14[1],xmm8[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm11 = ymm11[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm0, %zmm0<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm0, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm11[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm11[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm4[0],xmm11[0],xmm4[1],xmm11[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm11<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4,5],ymm11[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm1, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm9[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm1[0,1,2,3],zmm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm7[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm3[0,1,3,1,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm2, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm2 = zmm2[0,1,2,3],zmm5[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm3 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm3, 64(%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm3 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm3, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm3 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm3, 64(%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm3 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm3, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm0, 64(%rcx)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm0 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm0, (%rcx)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm2, 64(%r8)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm1, (%r8)<br>
-; AVX512F-SLOW-NEXT:    addq $520, %rsp # imm = 0x208<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm6[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm15[3,1,2,3,4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm21, %zmm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqw %zmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm1[0,1,2,3],zmm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm19, 64(%rsi)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm22, (%rsi)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm24, 64(%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm28, (%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm5, 64(%rcx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm10, (%rcx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm1, 64(%r8)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm0, (%r8)<br>
+; AVX512F-SLOW-NEXT:    addq $88, %rsp<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
 ;<br>
 ; AVX512F-FAST-LABEL: load_i16_stride4_vf64:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    subq $488, %rsp # imm = 0x1E8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 384(%rdi), %zmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %zmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = [0,2,2,3,0,2,4,6]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 224(%rdi), %ymm28<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm5, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm4, %ymm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm16<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm5, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm6, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm9, %ymm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm27 = [0,2,2,3,4,6,12,14]<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm7, %ymm27, %ymm8<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm23<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 384(%rdi), %zmm26<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm30<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %zmm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = [0,2,2,3,0,2,4,6]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 224(%rdi), %ymm24<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm24, %ymm1, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm10, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm25<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm1, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm11, %ymm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = [0,2,2,3,4,6,12,14]<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm0, %ymm7, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 96(%rdi), %ymm27<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm27, %ymm1, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 64(%rdi), %ymm28<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm1, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm8, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm9, %ymm7, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm30, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm21 = zmm9[0,1,2,3],zmm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 480(%rdi), %ymm16<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm1, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm0, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 448(%rdi), %ymm17<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm17, %ymm1, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm12, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm9, %ymm7, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm26, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm13[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm9, %zmm0, %zmm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 352(%rdi), %ymm18<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm18, %ymm1, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm13, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 320(%rdi), %ymm20<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm1, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm14, %ymm7, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm23, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm14[0,1,2,3],ymm15[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm22 = zmm14[0,1,2,3],zmm9[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm10, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm11, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm11[0,1,2,3,4,5],ymm14[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm4, %zmm14<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm14, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm14[0,1,2,3],ymm11[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm11, %zmm0, %zmm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm8, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm8[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm30, %zmm8<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm8, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm8[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm29 = zmm3[0,1,2,3],zmm11[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm12, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm26, %zmm3<br>
 ; AVX512F-FAST-NEXT:    vpmovqw %zmm3, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 96(%rdi), %ymm25<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm5, %ymm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm9, %ymm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 64(%rdi), %ymm24<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm24, %ymm5, %ymm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm10, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm7, %ymm27, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm13, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm23, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm19 = zmm1[0,1,2,3],zmm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm15 = [1,3,2,3,1,3,5,7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm24, %ymm15, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm15, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm8, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm0, %ymm7, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm0 = zmm4[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm0, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm1<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm27, %ymm15, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm0, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm15, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm12, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm13, %ymm7, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm13 = zmm30[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm13[0,1,2,3],ymm14[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm24 = zmm13[0,1,2,3],zmm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm15, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm13, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm17, %ymm15, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm14, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm1, %ymm7, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm1 = zmm26[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
 ; AVX512F-FAST-NEXT:    vpmovqw %zmm1, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm1[0,1,2,3],zmm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa 480(%rdi), %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm5, %ymm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm12, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa 448(%rdi), %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm5, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm7, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm3, %ymm27, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm11[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm11<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm18, %ymm15, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm1, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm15, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm5, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpermt2d %ymm2, %ymm7, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm2 = zmm23[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
 ; AVX512F-FAST-NEXT:    vpmovqw %zmm2, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa 352(%rdi), %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm3, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm3, %ymm5, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm8, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm8, %ymm17<br>
-; AVX512F-FAST-NEXT:    vmovdqa 320(%rdi), %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm8, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm8, %ymm5, %ymm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm15, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm3, %ymm27, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpmovqw %zmm0, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = [0,1,2,3,2,3,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 176(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm18<br>
-; AVX512F-FAST-NEXT:    vmovdqa 160(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm21<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm8 = xmm2[0],xmm0[0],xmm2[1],xmm0[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = [2,3,10,11,8,9,10,11,8,9,10,11,12,13,14,15]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 144(%rdi), %xmm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm13, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa 128(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm0, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm22<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm14[0],xmm5[1],xmm14[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm5[0,1],xmm8[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm20<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm19<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm4, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm8, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm14[0],xmm6[0],xmm14[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm6, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm0, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm23<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm14[0],xmm1[0],xmm14[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm5[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm9, %ymm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm10, %ymm9<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm19[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa 432(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm0, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 416(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm5[0],xmm0[0],xmm5[1],xmm0[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 400(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 384(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm12, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm7, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm7[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 304(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 288(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm7[0],xmm5[0],xmm7[1],xmm5[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 272(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa 256(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm7[0],xmm1[1],xmm7[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm5[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm17, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm2, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm15, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm7[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm1[0,1,2,3],zmm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [1,3,2,3,1,3,5,7]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm0, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, (%rsp) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm2 = zmm2[0,1,2,3],zmm11[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm8, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm6[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm4, %zmm4<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm12, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm30, %zmm4<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm13, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm14, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm26, %zmm4<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm3<br>
 ; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm0, %ymm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm14 = <0,1,4,5,u,u,u,u,8,9,12,13,12,13,14,15,16,17,20,21,u,u,u,u,24,25,28,29,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm7, %ymm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm7, %ymm31<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm1, %ymm27, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm2 = xmm18[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm10 = xmm21[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm2[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm29<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm7 = xmm10[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm30<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm7[0],xmm1[0],xmm7[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm7 = xmm13[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm10 = xmm22[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm7[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm26<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm10[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm28<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm0, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm22<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm9, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm24, %ymm0, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm5, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm25<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm2, %ymm27, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm4 = xmm4[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm5 = xmm8[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm4[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm4, %xmm20<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm5[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm5, %xmm24<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm5 = xmm6[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} xmm6 = xmm23[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm5[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm5, %xmm18<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm6[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm6, %xmm19<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm2[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm2 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm2, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm17<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm3 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm3, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm16<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm1, %ymm27, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm13 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm11 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm13[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm11[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm10 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm9 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm10[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm9[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm23<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm12 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm12, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm7 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm7, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpermt2d %ymm1, %ymm27, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm6 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm5 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm6[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm5[0,1,2,0,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm4 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufd $231, {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    # xmm8 = mem[3,1,2,3]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm4[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm8[2,0,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm15[0],xmm1[0],xmm15[1],xmm1[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm21 = zmm0[0,1,2,3],zmm23[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,19,22,23,26,27,30,31><br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm0 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm0, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm14 = <2,3,6,7,10,11,14,15,14,15,10,11,12,13,14,15,18,19,22,23,26,27,30,31,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm31, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm29, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm0[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm0[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm15[0],xmm2[0],xmm15[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm26, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm0[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm15[0],xmm0[1],xmm15[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm22<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm2, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm14, %ymm23<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm3[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm15[0],xmm2[0],xmm15[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm15 = xmm3[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm19, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm14 = xmm3[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm14 = xmm14[0],xmm15[0],xmm14[1],xmm15[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm14[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm1[0,1,2,3],zmm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm17, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm2, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm13[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm11 = xmm11[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm11[0],xmm2[0],xmm11[1],xmm2[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm10 = xmm10[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm9 = xmm9[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm9[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm12, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm7, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm7[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm6 = xmm6[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm5 = xmm5[0,1,3,1,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm4 = xmm4[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpshuflw {{.*#+}} xmm3 = xmm8[3,1,2,3,4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm3[0,1],xmm5[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm2[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm2, 64(%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm2, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm2, 64(%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm2, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm21, 64(%rcx)<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm2, (%rcx)<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm5, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm23, %zmm4<br>
+; AVX512F-FAST-NEXT:    vpmovqw %zmm4, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm1[0,1,2,3],zmm3[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm22, 64(%rsi)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm21, (%rsi)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm19, 64(%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm29, (%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm2, 64(%rcx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm24, (%rcx)<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %zmm1, 64(%r8)<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %zmm0, (%r8)<br>
-; AVX512F-FAST-NEXT:    addq $488, %rsp # imm = 0x1E8<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
 ;<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-4.ll b/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-4.ll<br>
index 5a297c876c0f..56cd55213997 100644<br>
--- a/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-4.ll<br>
+++ b/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-4.ll<br>
@@ -489,40 +489,33 @@ define void @load_i8_stride4_vf16(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512-LABEL: load_i8_stride4_vf16:<br>
 ; AVX512:       # %bb.0:<br>
 ; AVX512-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm5, %xmm4, %xmm6<br>
-; AVX512-NEXT:    vpshufb %xmm5, %xmm3, %xmm5<br>
+; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm2, %xmm1, %xmm3<br>
+; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm4<br>
+; AVX512-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
+; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
+; AVX512-NEXT:    vmovdqa (%rdi), %ymm3<br>
+; AVX512-NEXT:    vpsrlw $8, %ymm3, %ymm5<br>
+; AVX512-NEXT:    vpmovdb %ymm5, %xmm5<br>
+; AVX512-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm5, %xmm1, %xmm6<br>
+; AVX512-NEXT:    vpshufb %xmm5, %xmm4, %xmm5<br>
 ; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm2, %xmm7<br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm1, %xmm6<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1]<br>
+; AVX512-NEXT:    vpsrld $16, %ymm3, %ymm6<br>
+; AVX512-NEXT:    vpmovdb %ymm6, %xmm6<br>
 ; AVX512-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm4, %xmm7<br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm3, %xmm6<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm7 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm2, %xmm8<br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm1, %xmm7<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm3[2,3]<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm6, %xmm1, %xmm1<br>
+; AVX512-NEXT:    vpshufb %xmm6, %xmm4, %xmm4<br>
+; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1]<br>
+; AVX512-NEXT:    vpsrld $24, %ymm3, %ymm3<br>
+; AVX512-NEXT:    vpmovdb %ymm3, %xmm3<br>
+; AVX512-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
 ; AVX512-NEXT:    vpmovdb %zmm0, (%rsi)<br>
-; AVX512-NEXT:    vmovdqa %xmm5, (%rdx)<br>
-; AVX512-NEXT:    vmovdqa %xmm6, (%rcx)<br>
+; AVX512-NEXT:    vmovdqa %xmm2, (%rdx)<br>
+; AVX512-NEXT:    vmovdqa %xmm5, (%rcx)<br>
 ; AVX512-NEXT:    vmovdqa %xmm1, (%r8)<br>
 ; AVX512-NEXT:    vzeroupper<br>
 ; AVX512-NEXT:    retq<br>
@@ -957,65 +950,44 @@ define void @load_i8_stride4_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ;<br>
 ; AVX512F-LABEL: load_i8_stride4_vf32:<br>
 ; AVX512F:       # %bb.0:<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm2 = <0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vmovdqa 96(%rdi), %ymm0<br>
-; AVX512F-NEXT:    vpshufb %ymm2, %ymm0, %ymm3<br>
-; AVX512F-NEXT:    vmovdqa 64(%rdi), %ymm1<br>
-; AVX512F-NEXT:    vpshufb %ymm2, %ymm1, %ymm2<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm8 = [0,4,0,4,0,4,8,12]<br>
-; AVX512F-NEXT:    vpermt2d %ymm3, %ymm8, %ymm2<br>
-; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm3<br>
-; AVX512F-NEXT:    vpmovdb %zmm3, %xmm3<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vmovdqa (%rdi), %xmm3<br>
-; AVX512F-NEXT:    vmovdqa 16(%rdi), %xmm4<br>
-; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm5<br>
-; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm7<br>
-; AVX512F-NEXT:    vpshufb %xmm6, %xmm7, %xmm9<br>
-; AVX512F-NEXT:    vpshufb %xmm6, %xmm5, %xmm6<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm9[0],xmm6[1],xmm9[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm9 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm4, %xmm10<br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm3, %xmm9<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm6 = xmm9[0,1],xmm6[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm9 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm9, %ymm0, %ymm10<br>
-; AVX512F-NEXT:    vpshufb %ymm9, %ymm1, %ymm9<br>
-; AVX512F-NEXT:    vpermt2d %ymm10, %ymm8, %ymm9<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3],ymm9[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm7, %xmm10<br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm5, %xmm9<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm10 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm4, %xmm11<br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm3, %xmm10<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm10 = xmm10[0],xmm11[0],xmm10[1],xmm11[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1],xmm9[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm10 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm10, %ymm0, %ymm11<br>
-; AVX512F-NEXT:    vpshufb %ymm10, %ymm1, %ymm10<br>
-; AVX512F-NEXT:    vpermt2d %ymm11, %ymm8, %ymm10<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm7, %xmm7<br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm5, %xmm5<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm7[0],xmm5[1],xmm7[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm7 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm3 = xmm3[0,1],xmm5[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm4 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm0, %ymm0<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm1, %ymm1<br>
-; AVX512F-NEXT:    vpermt2d %ymm0, %ymm8, %ymm1<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa %ymm2, (%rsi)<br>
-; AVX512F-NEXT:    vmovdqa %ymm6, (%rdx)<br>
-; AVX512F-NEXT:    vmovdqa %ymm9, (%rcx)<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm1 = <0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm2<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %ymm3<br>
+; AVX512F-NEXT:    vmovdqa 64(%rdi), %ymm0<br>
+; AVX512F-NEXT:    vmovdqa 96(%rdi), %ymm4<br>
+; AVX512F-NEXT:    vpshufb %ymm1, %ymm4, %ymm5<br>
+; AVX512F-NEXT:    vpshufb %ymm1, %ymm0, %ymm1<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm6 = [0,4,0,4,0,4,8,12]<br>
+; AVX512F-NEXT:    vpermt2d %ymm5, %ymm6, %ymm1<br>
+; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm5<br>
+; AVX512F-NEXT:    vpmovdb %zmm5, %xmm7<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm1 = ymm7[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm7 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm7, %ymm4, %ymm8<br>
+; AVX512F-NEXT:    vpshufb %ymm7, %ymm0, %ymm7<br>
+; AVX512F-NEXT:    vpermt2d %ymm8, %ymm6, %ymm7<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm2, %ymm2<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm3, %ymm3<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm3, %zmm2, %zmm2<br>
+; AVX512F-NEXT:    vpmovdb %zmm2, %xmm2<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm3 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm3, %ymm4, %ymm7<br>
+; AVX512F-NEXT:    vpshufb %ymm3, %ymm0, %ymm3<br>
+; AVX512F-NEXT:    vpermt2d %ymm7, %ymm6, %ymm3<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm5, %zmm7<br>
+; AVX512F-NEXT:    vpmovdb %zmm7, %xmm7<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm7 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm7, %ymm4, %ymm4<br>
+; AVX512F-NEXT:    vpshufb %ymm7, %ymm0, %ymm0<br>
+; AVX512F-NEXT:    vpermt2d %ymm4, %ymm6, %ymm0<br>
+; AVX512F-NEXT:    vpsrld $24, %zmm5, %zmm4<br>
+; AVX512F-NEXT:    vpmovdb %zmm4, %xmm4<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa %ymm1, (%rsi)<br>
+; AVX512F-NEXT:    vmovdqa %ymm2, (%rdx)<br>
+; AVX512F-NEXT:    vmovdqa %ymm3, (%rcx)<br>
 ; AVX512F-NEXT:    vmovdqa %ymm0, (%r8)<br>
 ; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
@@ -1978,125 +1950,83 @@ define void @load_i8_stride4_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ;<br>
 ; AVX512F-LABEL: load_i8_stride4_vf64:<br>
 ; AVX512F:       # %bb.0:<br>
-; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm4<br>
-; AVX512F-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
+; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
+; AVX512F-NEXT:    vmovdqa64 128(%rdi), %zmm2<br>
 ; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm6 = <0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
 ; AVX512F-NEXT:    vmovdqa 224(%rdi), %ymm3<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm3, %ymm2<br>
-; AVX512F-NEXT:    vmovdqa 192(%rdi), %ymm5<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm5, %ymm7<br>
-; AVX512F-NEXT:    vmovdqa64 {{.*#+}} ymm18 = [0,4,0,4,0,4,8,12]<br>
-; AVX512F-NEXT:    vpermt2d %ymm2, %ymm18, %ymm7<br>
-; AVX512F-NEXT:    vpmovdb %zmm1, %xmm1<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm7[4,5,6,7]<br>
-; AVX512F-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm7<br>
-; AVX512F-NEXT:    vmovdqa 96(%rdi), %ymm0<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm0, %ymm8<br>
-; AVX512F-NEXT:    vmovdqa %ymm0, %ymm1<br>
-; AVX512F-NEXT:    vmovdqa 64(%rdi), %ymm0<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm0, %ymm6<br>
-; AVX512F-NEXT:    vmovdqa %ymm0, %ymm2<br>
-; AVX512F-NEXT:    vpermt2d %ymm8, %ymm18, %ymm6<br>
-; AVX512F-NEXT:    vpmovdb %zmm4, %xmm4<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3],ymm6[4,5,6,7]<br>
-; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm16 = zmm4[0,1,2,3],zmm7[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vmovdqa 176(%rdi), %xmm6<br>
-; AVX512F-NEXT:    vpshufb %xmm13, %xmm6, %xmm7<br>
-; AVX512F-NEXT:    vmovdqa 160(%rdi), %xmm8<br>
-; AVX512F-NEXT:    vpshufb %xmm13, %xmm8, %xmm9<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm9[0],xmm7[0],xmm9[1],xmm7[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm15 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vmovdqa 144(%rdi), %xmm9<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm9, %xmm10<br>
-; AVX512F-NEXT:    vmovdqa 128(%rdi), %xmm11<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm11, %xmm12<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm10 = xmm12[0],xmm10[0],xmm12[1],xmm10[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm7 = xmm10[0,1],xmm7[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm4 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm3, %ymm10<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm5, %ymm12<br>
-; AVX512F-NEXT:    vpermt2d %ymm10, %ymm18, %ymm12<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3],ymm12[4,5,6,7]<br>
-; AVX512F-NEXT:    vinserti64x4 $1, %ymm7, %zmm0, %zmm17<br>
-; AVX512F-NEXT:    vmovdqa (%rdi), %xmm7<br>
-; AVX512F-NEXT:    vmovdqa 16(%rdi), %xmm10<br>
-; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm12<br>
-; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm14<br>
-; AVX512F-NEXT:    vpshufb %xmm13, %xmm14, %xmm0<br>
-; AVX512F-NEXT:    vpshufb %xmm13, %xmm12, %xmm13<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm13[0],xmm0[0],xmm13[1],xmm0[1]<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm10, %xmm13<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm7, %xmm15<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm13 = xmm15[0],xmm13[0],xmm15[1],xmm13[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm13[0,1],xmm0[2,3]<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm1, %ymm13<br>
-; AVX512F-NEXT:    vmovdqa64 %ymm1, %ymm19<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm2, %ymm4<br>
-; AVX512F-NEXT:    vmovdqa64 %ymm2, %ymm20<br>
-; AVX512F-NEXT:    vpermt2d %ymm13, %ymm18, %ymm4<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm17 = zmm0[0,1,2,3],zmm17[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm0, %xmm6, %xmm4<br>
-; AVX512F-NEXT:    vpshufb %xmm0, %xmm8, %xmm15<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm4 = xmm15[0],xmm4[0],xmm15[1],xmm4[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm15 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm9, %xmm13<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm11, %xmm1<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm13[0],xmm1[1],xmm13[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm4[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm4 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm3, %ymm13<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm5, %ymm2<br>
-; AVX512F-NEXT:    vpermt2d %ymm13, %ymm18, %ymm2<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm1<br>
-; AVX512F-NEXT:    vpshufb %xmm0, %xmm14, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm0, %xmm12, %xmm0<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm10, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm15, %xmm7, %xmm13<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm13[0],xmm2[0],xmm13[1],xmm2[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512F-NEXT:    vmovdqa64 %ymm19, %ymm13<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm13, %ymm2<br>
-; AVX512F-NEXT:    vmovdqa64 %ymm20, %ymm15<br>
-; AVX512F-NEXT:    vpshufb %ymm4, %ymm15, %ymm4<br>
-; AVX512F-NEXT:    vpermt2d %ymm2, %ymm18, %ymm4<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm1[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm1, %xmm6, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm1, %xmm8, %xmm4<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm4 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm9, %xmm6<br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm11, %xmm8<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm8[0],xmm6[0],xmm8[1],xmm6[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm2 = xmm6[0,1],xmm2[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm6 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm3, %ymm3<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm5, %ymm5<br>
-; AVX512F-NEXT:    vpermt2d %ymm3, %ymm18, %ymm5<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512F-NEXT:    vpshufb %ymm6, %ymm3, %ymm5<br>
+; AVX512F-NEXT:    vmovdqa 192(%rdi), %ymm4<br>
+; AVX512F-NEXT:    vpshufb %ymm6, %ymm4, %ymm7<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm1 = [0,4,0,4,0,4,8,12]<br>
+; AVX512F-NEXT:    vpermt2d %ymm5, %ymm1, %ymm7<br>
+; AVX512F-NEXT:    vpmovdb %zmm2, %xmm5<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm9<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm10<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %ymm8<br>
+; AVX512F-NEXT:    vmovdqa 64(%rdi), %ymm5<br>
+; AVX512F-NEXT:    vmovdqa 96(%rdi), %ymm7<br>
+; AVX512F-NEXT:    vpshufb %ymm6, %ymm7, %ymm11<br>
+; AVX512F-NEXT:    vpshufb %ymm6, %ymm5, %ymm6<br>
+; AVX512F-NEXT:    vpermt2d %ymm11, %ymm1, %ymm6<br>
+; AVX512F-NEXT:    vpmovdb %zmm0, %xmm11<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm6 = ymm11[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm6 = zmm6[0,1,2,3],zmm9[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm9 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm3, %ymm11<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm4, %ymm12<br>
+; AVX512F-NEXT:    vpermt2d %ymm11, %ymm1, %ymm12<br>
+; AVX512F-NEXT:    vmovdqa 128(%rdi), %ymm11<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm11, %ymm11<br>
+; AVX512F-NEXT:    vmovdqa 160(%rdi), %ymm13<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm13, %ymm13<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm13, %zmm11, %zmm11<br>
+; AVX512F-NEXT:    vpmovdb %zmm11, %xmm11<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm11 = ymm11[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm11, %zmm0, %zmm11<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm7, %ymm12<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm5, %ymm9<br>
+; AVX512F-NEXT:    vpermt2d %ymm12, %ymm1, %ymm9<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm10, %ymm10<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm8, %ymm8<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm8, %zmm10, %zmm8<br>
+; AVX512F-NEXT:    vpmovdb %zmm8, %xmm8<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3],ymm9[4,5,6,7]<br>
+; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm8 = zmm8[0,1,2,3],zmm11[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm9 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm3, %ymm10<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm4, %ymm11<br>
+; AVX512F-NEXT:    vpermt2d %ymm10, %ymm1, %ymm11<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm2, %zmm10<br>
+; AVX512F-NEXT:    vpmovdb %zmm10, %xmm10<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3],ymm11[4,5,6,7]<br>
+; AVX512F-NEXT:    vinserti64x4 $1, %ymm10, %zmm0, %zmm10<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm7, %ymm11<br>
+; AVX512F-NEXT:    vpshufb %ymm9, %ymm5, %ymm9<br>
+; AVX512F-NEXT:    vpermt2d %ymm11, %ymm1, %ymm9<br>
+; AVX512F-NEXT:    vpsrld $16, %zmm0, %zmm11<br>
+; AVX512F-NEXT:    vpmovdb %zmm11, %xmm11<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3],ymm9[4,5,6,7]<br>
+; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm9 = zmm9[0,1,2,3],zmm10[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} ymm10 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %ymm10, %ymm3, %ymm3<br>
+; AVX512F-NEXT:    vpshufb %ymm10, %ymm4, %ymm4<br>
+; AVX512F-NEXT:    vpermt2d %ymm3, %ymm1, %ymm4<br>
+; AVX512F-NEXT:    vpsrld $24, %zmm2, %zmm2<br>
+; AVX512F-NEXT:    vpmovdb %zmm2, %xmm2<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm4[4,5,6,7]<br>
 ; AVX512F-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm1, %xmm14, %xmm3<br>
-; AVX512F-NEXT:    vpshufb %xmm1, %xmm12, %xmm1<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1]<br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm10, %xmm3<br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm7, %xmm4<br>
-; AVX512F-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm13, %ymm3<br>
-; AVX512F-NEXT:    vpshufb %ymm6, %ymm15, %ymm4<br>
-; AVX512F-NEXT:    vpermt2d %ymm3, %ymm18, %ymm4<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm1 = zmm1[0,1,2,3],zmm2[4,5,6,7]<br>
-; AVX512F-NEXT:    vmovdqa64 %zmm16, (%rsi)<br>
-; AVX512F-NEXT:    vmovdqa64 %zmm17, (%rdx)<br>
-; AVX512F-NEXT:    vmovdqa64 %zmm0, (%rcx)<br>
-; AVX512F-NEXT:    vmovdqa64 %zmm1, (%r8)<br>
+; AVX512F-NEXT:    vpshufb %ymm10, %ymm7, %ymm3<br>
+; AVX512F-NEXT:    vpshufb %ymm10, %ymm5, %ymm4<br>
+; AVX512F-NEXT:    vpermt2d %ymm3, %ymm1, %ymm4<br>
+; AVX512F-NEXT:    vpsrld $24, %zmm0, %zmm0<br>
+; AVX512F-NEXT:    vpmovdb %zmm0, %xmm0<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512F-NEXT:    vshufi64x2 {{.*#+}} zmm0 = zmm0[0,1,2,3],zmm2[4,5,6,7]<br>
+; AVX512F-NEXT:    vmovdqa64 %zmm6, (%rsi)<br>
+; AVX512F-NEXT:    vmovdqa64 %zmm8, (%rdx)<br>
+; AVX512F-NEXT:    vmovdqa64 %zmm9, (%rcx)<br>
+; AVX512F-NEXT:    vmovdqa64 %zmm0, (%r8)<br>
 ; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-8.ll b/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-8.ll<br>
index b21d8ebbe4c5..e703b0a83dec 100644<br>
--- a/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-8.ll<br>
+++ b/llvm/test/CodeGen/X86/vector-interleaved-load-i8-stride-8.ll<br>
@@ -748,82 +748,67 @@ define void @load_i8_stride8_vf8(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512F-NEXT:    movq {{[0-9]+}}(%rsp), %r10<br>
 ; AVX512F-NEXT:    movq {{[0-9]+}}(%rsp), %r11<br>
-; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512F-NEXT:    vmovdqa 16(%rdi), %xmm2<br>
-; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm3<br>
-; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm5, %xmm4, %xmm6<br>
-; AVX512F-NEXT:    vpshufb %xmm5, %xmm3, %xmm5<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1],xmm5[2],xmm6[2],xmm5[3],xmm6[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm6 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm6, %xmm2, %xmm7<br>
+; AVX512F-NEXT:    vmovdqa64 (%rdi), %zmm5<br>
+; AVX512F-NEXT:    vmovdqa 48(%rdi), %xmm0<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm2, %xmm0, %xmm3<br>
+; AVX512F-NEXT:    vmovdqa 32(%rdi), %xmm1<br>
+; AVX512F-NEXT:    vpshufb %xmm2, %xmm1, %xmm2<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-NEXT:    vmovdqa (%rdi), %ymm3<br>
+; AVX512F-NEXT:    vpsrlw $8, %ymm3, %ymm4<br>
+; AVX512F-NEXT:    vpmovqb %ymm4, %xmm4<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0],xmm2[1],xmm4[2,3]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm4, %xmm0, %xmm6<br>
+; AVX512F-NEXT:    vpshufb %xmm4, %xmm1, %xmm4<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm6[0],xmm4[1],xmm6[1],xmm4[2],xmm6[2],xmm4[3],xmm6[3]<br>
+; AVX512F-NEXT:    vpsrld $16, %ymm3, %ymm6<br>
+; AVX512F-NEXT:    vpmovqb %ymm6, %xmm6<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0],xmm4[1],xmm6[2,3]<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm6, %xmm0, %xmm7<br>
 ; AVX512F-NEXT:    vpshufb %xmm6, %xmm1, %xmm6<br>
 ; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0],xmm5[1],xmm6[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm6, %xmm4, %xmm7<br>
-; AVX512F-NEXT:    vpshufb %xmm6, %xmm3, %xmm6<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm7 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm2, %xmm8<br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm1, %xmm7<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512F-NEXT:    vpsrld $24, %ymm3, %ymm7<br>
+; AVX512F-NEXT:    vpmovqb %ymm7, %xmm7<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0],xmm6[1],xmm7[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm4, %xmm8<br>
-; AVX512F-NEXT:    vpshufb %xmm7, %xmm3, %xmm7<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm7, %xmm0, %xmm8<br>
+; AVX512F-NEXT:    vpshufb %xmm7, %xmm1, %xmm7<br>
 ; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm8 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm8, %xmm2, %xmm9<br>
-; AVX512F-NEXT:    vpshufb %xmm8, %xmm1, %xmm8<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm9[0],xmm8[1],xmm9[1],xmm8[2],xmm9[2],xmm8[3],xmm9[3]<br>
+; AVX512F-NEXT:    vpshufd {{.*#+}} ymm8 = ymm3[1,1,3,3,5,5,7,7]<br>
+; AVX512F-NEXT:    vpmovqb %ymm8, %xmm8<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0],xmm7[1],xmm8[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm8, %xmm4, %xmm9<br>
-; AVX512F-NEXT:    vpshufb %xmm8, %xmm3, %xmm8<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm8, %xmm0, %xmm9<br>
+; AVX512F-NEXT:    vpshufb %xmm8, %xmm1, %xmm8<br>
 ; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm9[0],xmm8[1],xmm9[1],xmm8[2],xmm9[2],xmm8[3],xmm9[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm9 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm2, %xmm10<br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm1, %xmm9<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
+; AVX512F-NEXT:    vpsrlq $40, %ymm3, %ymm9<br>
+; AVX512F-NEXT:    vpmovqb %ymm9, %xmm9<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm8 = xmm9[0],xmm8[1],xmm9[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm4, %xmm10<br>
-; AVX512F-NEXT:    vpshufb %xmm9, %xmm3, %xmm9<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm9, %xmm0, %xmm10<br>
+; AVX512F-NEXT:    vpshufb %xmm9, %xmm1, %xmm9<br>
 ; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm10 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm2, %xmm11<br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm1, %xmm10<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm11[0],xmm10[1],xmm11[1],xmm10[2],xmm11[2],xmm10[3],xmm11[3]<br>
+; AVX512F-NEXT:    vpsrlq $48, %ymm3, %ymm10<br>
+; AVX512F-NEXT:    vpmovqb %ymm10, %xmm10<br>
 ; AVX512F-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm4, %xmm11<br>
-; AVX512F-NEXT:    vpshufb %xmm10, %xmm3, %xmm10<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm11[0],xmm10[1],xmm11[1],xmm10[2],xmm11[2],xmm10[3],xmm11[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm11 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm11, %xmm2, %xmm12<br>
-; AVX512F-NEXT:    vpshufb %xmm11, %xmm1, %xmm11<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm11[0],xmm12[0],xmm11[1],xmm12[1],xmm11[2],xmm12[2],xmm11[3],xmm12[3]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm10 = xmm11[0],xmm10[1],xmm11[2,3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm11, %xmm4, %xmm4<br>
-; AVX512F-NEXT:    vpshufb %xmm11, %xmm3, %xmm3<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
-; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm4 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512F-NEXT:    vpshufb %xmm4, %xmm1, %xmm1<br>
-; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1],xmm1[2],xmm2[2],xmm1[3],xmm2[3]<br>
-; AVX512F-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0],xmm3[1],xmm1[2,3]<br>
-; AVX512F-NEXT:    vpmovqb %zmm0, (%rsi)<br>
-; AVX512F-NEXT:    vmovq %xmm5, (%rdx)<br>
-; AVX512F-NEXT:    vmovq %xmm6, (%rcx)<br>
-; AVX512F-NEXT:    vmovq %xmm7, (%r8)<br>
-; AVX512F-NEXT:    vmovq %xmm8, (%r9)<br>
-; AVX512F-NEXT:    vmovq %xmm9, (%r11)<br>
-; AVX512F-NEXT:    vmovq %xmm10, (%r10)<br>
-; AVX512F-NEXT:    vmovq %xmm1, (%rax)<br>
+; AVX512F-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-NEXT:    vpshufb %xmm10, %xmm0, %xmm0<br>
+; AVX512F-NEXT:    vpshufb %xmm10, %xmm1, %xmm1<br>
+; AVX512F-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
+; AVX512F-NEXT:    vpsrlq $56, %ymm3, %ymm1<br>
+; AVX512F-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512F-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512F-NEXT:    vpmovqb %zmm5, (%rsi)<br>
+; AVX512F-NEXT:    vmovq %xmm2, (%rdx)<br>
+; AVX512F-NEXT:    vmovq %xmm4, (%rcx)<br>
+; AVX512F-NEXT:    vmovq %xmm6, (%r8)<br>
+; AVX512F-NEXT:    vmovq %xmm7, (%r9)<br>
+; AVX512F-NEXT:    vmovq %xmm8, (%r11)<br>
+; AVX512F-NEXT:    vmovq %xmm9, (%r10)<br>
+; AVX512F-NEXT:    vmovq %xmm0, (%rax)<br>
 ; AVX512F-NEXT:    vzeroupper<br>
 ; AVX512F-NEXT:    retq<br>
 ;<br>
@@ -832,82 +817,67 @@ define void @load_i8_stride8_vf8(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512BW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512BW-NEXT:    movq {{[0-9]+}}(%rsp), %r10<br>
 ; AVX512BW-NEXT:    movq {{[0-9]+}}(%rsp), %r11<br>
-; AVX512BW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512BW-NEXT:    vmovdqa (%rdi), %xmm4<br>
-; AVX512BW-NEXT:    vmovdqa 16(%rdi), %xmm5<br>
-; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm6<br>
-; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm7<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm1, %xmm7, %xmm2<br>
-; AVX512BW-NEXT:    vpshufb %xmm1, %xmm6, %xmm1<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1],xmm1[2],xmm2[2],xmm1[3],xmm2[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm5, %xmm3<br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm7, %xmm3<br>
-; AVX512BW-NEXT:    vpshufb %xmm2, %xmm6, %xmm2<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm3 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm5, %xmm8<br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm4, %xmm3<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm8[0],xmm3[1],xmm8[1],xmm3[2],xmm8[2],xmm3[3],xmm8[3]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm7, %xmm8<br>
-; AVX512BW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm8[0],xmm3[1],xmm8[1],xmm3[2],xmm8[2],xmm3[3],xmm8[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm8 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm8, %xmm5, %xmm9<br>
+; AVX512BW-NEXT:    vmovdqa64 (%rdi), %zmm2<br>
+; AVX512BW-NEXT:    vmovdqa 48(%rdi), %xmm3<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm0, %xmm3, %xmm1<br>
+; AVX512BW-NEXT:    vmovdqa 32(%rdi), %xmm4<br>
+; AVX512BW-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
+; AVX512BW-NEXT:    vmovdqa (%rdi), %ymm5<br>
+; AVX512BW-NEXT:    vpsrlw $8, %ymm5, %ymm1<br>
+; AVX512BW-NEXT:    vpmovqb %ymm1, %xmm1<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0],xmm0[1],xmm1[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm3, %xmm6<br>
+; AVX512BW-NEXT:    vpshufb %xmm1, %xmm4, %xmm1<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm6[0],xmm1[1],xmm6[1],xmm1[2],xmm6[2],xmm1[3],xmm6[3]<br>
+; AVX512BW-NEXT:    vpsrld $16, %ymm5, %ymm6<br>
+; AVX512BW-NEXT:    vpmovqb %ymm6, %xmm6<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm6[0],xmm1[1],xmm6[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm6, %xmm3, %xmm7<br>
+; AVX512BW-NEXT:    vpshufb %xmm6, %xmm4, %xmm6<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
+; AVX512BW-NEXT:    vpsrld $24, %ymm5, %ymm7<br>
+; AVX512BW-NEXT:    vpmovqb %ymm7, %xmm7<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0],xmm6[1],xmm7[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm7, %xmm3, %xmm8<br>
+; AVX512BW-NEXT:    vpshufb %xmm7, %xmm4, %xmm7<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512BW-NEXT:    vpshufd {{.*#+}} ymm8 = ymm5[1,1,3,3,5,5,7,7]<br>
+; AVX512BW-NEXT:    vpmovqb %ymm8, %xmm8<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0],xmm7[1],xmm8[2,3]<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm8, %xmm3, %xmm9<br>
 ; AVX512BW-NEXT:    vpshufb %xmm8, %xmm4, %xmm8<br>
 ; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm9[0],xmm8[1],xmm9[1],xmm8[2],xmm9[2],xmm8[3],xmm9[3]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm8[0],xmm3[1],xmm8[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm8, %xmm7, %xmm9<br>
-; AVX512BW-NEXT:    vpshufb %xmm8, %xmm6, %xmm8<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm9[0],xmm8[1],xmm9[1],xmm8[2],xmm9[2],xmm8[3],xmm9[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm9 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm9, %xmm5, %xmm10<br>
-; AVX512BW-NEXT:    vpshufb %xmm9, %xmm4, %xmm9<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
+; AVX512BW-NEXT:    vpsrlq $40, %ymm5, %ymm9<br>
+; AVX512BW-NEXT:    vpmovqb %ymm9, %xmm9<br>
 ; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm8 = xmm9[0],xmm8[1],xmm9[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm9, %xmm7, %xmm10<br>
-; AVX512BW-NEXT:    vpshufb %xmm9, %xmm6, %xmm9<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm9, %xmm3, %xmm10<br>
+; AVX512BW-NEXT:    vpshufb %xmm9, %xmm4, %xmm9<br>
 ; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm10 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm10, %xmm5, %xmm11<br>
-; AVX512BW-NEXT:    vpshufb %xmm10, %xmm4, %xmm10<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm11[0],xmm10[1],xmm11[1],xmm10[2],xmm11[2],xmm10[3],xmm11[3]<br>
+; AVX512BW-NEXT:    vpsrlq $48, %ymm5, %ymm10<br>
+; AVX512BW-NEXT:    vpmovqb %ymm10, %xmm10<br>
 ; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm10, %xmm7, %xmm11<br>
-; AVX512BW-NEXT:    vpshufb %xmm10, %xmm6, %xmm10<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm11[0],xmm10[1],xmm11[1],xmm10[2],xmm11[2],xmm10[3],xmm11[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm11 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm11, %xmm5, %xmm12<br>
-; AVX512BW-NEXT:    vpshufb %xmm11, %xmm4, %xmm11<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm11[0],xmm12[0],xmm11[1],xmm12[1],xmm11[2],xmm12[2],xmm11[3],xmm12[3]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm10 = xmm11[0],xmm10[1],xmm11[2,3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm11, %xmm7, %xmm7<br>
-; AVX512BW-NEXT:    vpshufb %xmm11, %xmm6, %xmm6<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
-; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm7 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-NEXT:    vpshufb %xmm7, %xmm5, %xmm5<br>
-; AVX512BW-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
-; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
-; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm4[0],xmm6[1],xmm4[2,3]<br>
-; AVX512BW-NEXT:    vpmovqb %zmm0, (%rsi)<br>
-; AVX512BW-NEXT:    vmovq %xmm1, (%rdx)<br>
-; AVX512BW-NEXT:    vmovq %xmm2, (%rcx)<br>
-; AVX512BW-NEXT:    vmovq %xmm3, (%r8)<br>
-; AVX512BW-NEXT:    vmovq %xmm8, (%r9)<br>
-; AVX512BW-NEXT:    vmovq %xmm9, (%r11)<br>
-; AVX512BW-NEXT:    vmovq %xmm10, (%r10)<br>
-; AVX512BW-NEXT:    vmovq %xmm4, (%rax)<br>
+; AVX512BW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-NEXT:    vpshufb %xmm10, %xmm3, %xmm3<br>
+; AVX512BW-NEXT:    vpshufb %xmm10, %xmm4, %xmm4<br>
+; AVX512BW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512BW-NEXT:    vpsrlq $56, %ymm5, %ymm4<br>
+; AVX512BW-NEXT:    vpmovqb %ymm4, %xmm4<br>
+; AVX512BW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
+; AVX512BW-NEXT:    vpmovqb %zmm2, (%rsi)<br>
+; AVX512BW-NEXT:    vmovq %xmm0, (%rdx)<br>
+; AVX512BW-NEXT:    vmovq %xmm1, (%rcx)<br>
+; AVX512BW-NEXT:    vmovq %xmm6, (%r8)<br>
+; AVX512BW-NEXT:    vmovq %xmm7, (%r9)<br>
+; AVX512BW-NEXT:    vmovq %xmm8, (%r11)<br>
+; AVX512BW-NEXT:    vmovq %xmm9, (%r10)<br>
+; AVX512BW-NEXT:    vmovq %xmm3, (%rax)<br>
 ; AVX512BW-NEXT:    vzeroupper<br>
 ; AVX512BW-NEXT:    retq<br>
   %wide.vec = load <64 x i8>, ptr %in.vec, align 64<br>
@@ -5412,752 +5382,591 @@ define void @load_i8_stride8_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ;<br>
 ; AVX512F-SLOW-LABEL: load_i8_stride8_vf32:<br>
 ; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    pushq %rax<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm16<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm0<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm0, %xmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm6[0],xmm3[0],xmm6[1],xmm3[1],xmm6[2],xmm3[2],xmm6[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm2, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm14, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm9[0],xmm7[0],xmm9[1],xmm7[1],xmm9[2],xmm7[2],xmm9[3],xmm7[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %ymm7, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm7[0,1,2,3,4],ymm1[5],ymm7[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm25<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm4[0],xmm7[0],xmm4[1],xmm7[1],xmm4[2],xmm7[2],xmm4[3],xmm7[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm2, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm2, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm12[0],xmm10[1],xmm12[1],xmm10[2],xmm12[2],xmm10[3],xmm12[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm10 = xmm10[0,1,2],xmm11[3]<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %zmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm10[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm13, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm13, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm11[0],xmm1[0],xmm11[1],xmm1[1],xmm11[2],xmm1[2],xmm11[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm15, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm14, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm11[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm3, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm0, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm26<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm11, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm10[0],xmm0[0],xmm10[1],xmm0[1],xmm10[2],xmm0[2],xmm10[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm6, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm8[0],xmm3[0],xmm8[1],xmm3[1],xmm8[2],xmm3[2],xmm8[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm1[5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm0[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm5, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm16<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm6, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm20<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm9, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm9, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm6, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm27<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm1, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm0[0],xmm10[1],xmm0[1],xmm10[2],xmm0[2],xmm10[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm1, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm29<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm3[0],xmm0[0],xmm3[1],xmm0[1],xmm3[2],xmm0[2],xmm3[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm10[1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm4[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm28<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm14, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm11, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm7[0],xmm0[0],xmm7[1],xmm0[1],xmm7[2],xmm0[2],xmm7[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %ymm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4],ymm0[5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm1, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm1, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm19<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm4[0],xmm8[0],xmm4[1],xmm8[1],xmm4[2],xmm8[2],xmm4[3],xmm8[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm6, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm11[0],xmm5[1],xmm11[1],xmm5[2],xmm11[2],xmm5[3],xmm11[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm5[0,1,2],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm16, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm5[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm18<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm20<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm2, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm2, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm12[0],xmm0[0],xmm12[1],xmm0[1],xmm12[2],xmm0[2],xmm12[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm14, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5,6],ymm12[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %ymm13<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %ymm14<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm13, %ymm13<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm14, %ymm14<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm14, %zmm13, %zmm17<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm11, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm1, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm22<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm7, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm15[0],xmm1[1],xmm15[1],xmm1[2],xmm15[2],xmm1[3],xmm15[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm7[5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm7 = ymm0[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm8, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm25<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1],xmm1[2],xmm2[2],xmm1[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4],ymm0[5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm3, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm4, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm5[0],xmm2[1],xmm5[1],xmm2[2],xmm5[2],xmm2[3],xmm5[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm15, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm10, %xmm9, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm17<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm17, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm7[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm2, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm16<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm5, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm17<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm20<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm14, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm20<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm12[0],xmm5[0],xmm12[1],xmm5[1],xmm12[2],xmm5[2],xmm12[3],xmm5[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm31<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm29<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm7[0],xmm4[0],xmm7[1],xmm4[1],xmm7[2],xmm4[2],xmm7[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm11, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm14, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm9[0,1,2,3,4],ymm4[5],ymm9[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm0, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm23<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm15, %xmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm28<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm13, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm30<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm12[0],xmm5[1],xmm12[1],xmm5[2],xmm12[2],xmm5[3],xmm12[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm12 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm14, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm13, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm15[0],xmm12[1],xmm15[1],xmm12[2],xmm15[2],xmm12[3],xmm15[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm12<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm12[0,1,2,3,4],ymm5[5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm22<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm24<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm5[0],xmm0[1],xmm5[1],xmm0[2],xmm5[2],xmm0[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm8, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm5[0],xmm2[1],xmm5[1],xmm2[2],xmm5[2],xmm2[3],xmm5[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm15, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm16, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm19<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm7, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm10, %xmm25<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm12[0],xmm5[0],xmm12[1],xmm5[1],xmm12[2],xmm5[2],xmm12[3],xmm5[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm7[0],xmm4[0],xmm7[1],xmm4[1],xmm7[2],xmm4[2],xmm7[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm11, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm14, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm9[0,1,2,3,4],ymm4[5],ymm9[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm23<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm9, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm12[0],xmm5[1],xmm12[1],xmm5[2],xmm12[2],xmm5[3],xmm12[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm12 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm14, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm13, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm15[0],xmm12[1],xmm15[1],xmm12[2],xmm15[2],xmm12[3],xmm15[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm12<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm12[0,1,2,3,4],ymm5[5],ymm12[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm9, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm5[0],xmm0[1],xmm5[1],xmm0[2],xmm5[2],xmm0[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm24<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm5[0],xmm2[1],xmm5[1],xmm2[2],xmm5[2],xmm2[3],xmm5[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm15, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm9, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $24, %zmm16, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm20<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm4, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm12[0],xmm5[0],xmm12[1],xmm5[1],xmm12[2],xmm5[2],xmm12[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm23<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm12[0],xmm5[1],xmm12[1],xmm5[2],xmm12[2],xmm5[3],xmm12[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm12 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm14, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm14, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm12, %xmm13, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm26<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm12[0],xmm0[0],xmm12[1],xmm0[1],xmm12[2],xmm0[2],xmm12[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm5[5],ymm0[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm9, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm2 = zmm16[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm21<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm4, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm6, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm14<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm26<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm27<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm0, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm24<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm7[0],xmm4[0],xmm7[1],xmm4[1],xmm7[2],xmm4[2],xmm7[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm14, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm8, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm9[0,1,2,3,4],ymm4[5],ymm9[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm21<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm30<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm5[0],xmm3[1],xmm5[1],xmm3[2],xmm5[2],xmm3[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm15, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm5[0],xmm0[0],xmm5[1],xmm0[1],xmm5[2],xmm0[2],xmm5[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm3[5],ymm0[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm11, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm13, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $40, %zmm16, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm22<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm4, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm4, %xmm23<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm14, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm14, %xmm27<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm7[0],xmm4[0],xmm7[1],xmm4[1],xmm7[2],xmm4[2],xmm7[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm14, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm8, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm28<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm9[0,1,2,3,4],ymm4[5],ymm9[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm5, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm11, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm6, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm16<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm15, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm13, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm4[0],xmm0[0],xmm4[1],xmm0[1],xmm4[2],xmm0[2],xmm4[3],xmm0[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm7[0],xmm4[0],xmm7[1],xmm4[1],xmm7[2],xmm4[2],xmm7[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm14, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm9, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1],xmm9[2],xmm8[2],xmm9[3],xmm8[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3,4],ymm4[5],ymm8[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm5, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm3[5],ymm0[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm16, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm11, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm7, %xmm6, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %ymm1, (%rsi)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %ymm1, (%rdx)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %ymm1, (%rcx)<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %ymm1, (%r8)<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm20, (%r9)<br>
-; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm21, (%rax)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm14, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm15, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm13, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1],xmm5[2],xmm6[2],xmm5[3],xmm6[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm4[0],xmm1[1],xmm4[1],xmm1[2],xmm4[2],xmm1[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $56, %zmm16, %zmm3<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm18, (%rsi)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm17, (%rdx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm19, (%rcx)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm20, (%r8)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm21, (%r9)<br>
 ; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm16, (%rax)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %ymm22, (%rax)<br>
 ; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %ymm0, (%rax)<br>
-; AVX512F-SLOW-NEXT:    popq %rax<br>
+; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %ymm1, (%rax)<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
 ;<br>
 ; AVX512F-FAST-LABEL: load_i8_stride8_vf32:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = [0,2,2,3,0,2,4,6]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 224(%rdi), %ymm21<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm21, %ymm3, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm4 = ymm0[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm20<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm3, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm5 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 160(%rdi), %ymm25<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm3, %ymm13<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm5 = ymm13[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %ymm23<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm23, %ymm3, %ymm15<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm3 = ymm15[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4],ymm5[5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 112(%rdi), %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm6, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm6, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm6, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm6, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 80(%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm4, %xmm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm4, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm9, %xmm4, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm9[0,1,2],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vpmovqb %zmm2, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0,1],xmm8[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm28<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm12, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm12, %xmm24<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm6, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm4, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm4, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm8[0],xmm3[1],xmm8[1],xmm3[2],xmm8[2],xmm3[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm4, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm4, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm9[0],xmm3[1],xmm9[1],xmm3[2],xmm9[2],xmm3[3],xmm9[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm8, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm8, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm12[0],xmm3[1],xmm12[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm3 = ymm0[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm13[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm15[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4],ymm12[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm27<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm8, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm11, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm7, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm12[0],xmm3[1],xmm12[1],xmm3[2],xmm12[2],xmm3[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm10, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm12[0],xmm3[1],xmm12[1],xmm3[2],xmm12[2],xmm3[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm9, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm12[0],xmm3[1],xmm12[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm3 = ymm0[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm13[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm15[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4],ymm12[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm26<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm8, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm16<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm11, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm7, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm7, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm6, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm12[0],xmm3[1],xmm12[1],xmm3[2],xmm12[2],xmm3[3],xmm12[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm18<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm15 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [0,2,2,3,0,2,4,6]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 224(%rdi), %ymm16<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm0, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm4, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm17<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm17, %ymm0, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm2 = ymm10[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 160(%rdi), %ymm19<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm19, %ymm0, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm2 = ymm9[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 128(%rdi), %ymm20<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm0, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm0 = ymm11[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm2[5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 112(%rdi), %xmm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm12, %xmm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %xmm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm2, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm3[0],xmm5[0],xmm3[1],xmm5[1],xmm3[2],xmm5[2],xmm3[3],xmm5[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 80(%rdi), %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm8<br>
+; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %xmm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm5, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1,2],xmm6[3]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm18, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm21<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %ymm6<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm6, %ymm6<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm6, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm4, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm23<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm10, %ymm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4,5,6],ymm7[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm9, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm25<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm11, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm24<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3,4],ymm14[5],ymm7[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3,4,5],ymm8[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm12, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm2, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm14[0],xmm8[1],xmm14[1],xmm8[2],xmm14[2],xmm8[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm3, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm5, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm13[0,1,2],xmm8[3]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm0, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm8[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm22<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm4, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm31<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm14 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm10, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm7[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm9, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm28<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm11, %ymm8<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm29<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm8[0,1,2,3,4],ymm7[5],ymm8[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm7[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm12, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm3, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm5, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm13[0],xmm8[1],xmm13[1],xmm8[2],xmm13[2],xmm8[3],xmm13[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1,2],xmm7[3]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm18, %zmm8<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm8, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1],xmm7[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm7[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm0 = ymm4[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,19,23,27,31]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm10, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm27<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm9, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm30<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm11, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm26<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm7[0,1,2,3,4],ymm4[5],ymm7[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm12, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm2, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm7[0],xmm4[1],xmm7[1],xmm4[2],xmm7[2],xmm4[3],xmm7[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm5, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm9[0],xmm7[1],xmm9[1],xmm7[2],xmm9[2],xmm7[3],xmm9[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm7[0,1,2],xmm4[3]<br>
+; AVX512F-FAST-NEXT:    vpsrld $24, %zmm18, %zmm7<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm7, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm7[0,1],xmm4[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [1,3,2,3,1,3,5,7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm16, %ymm0, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm11, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm17, %ymm0, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm13 = ymm9[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm13[0,1,2,3,4,5,6],ymm7[7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm19, %ymm0, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm15 = ymm13[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm0, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm10 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u,u,u,u,u]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4],ymm15[5],ymm10[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm10[0,1,2,3,4,5],ymm7[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm12, %xmm15<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm2, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm15[0],xmm10[1],xmm15[1],xmm10[2],xmm15[2],xmm10[3],xmm15[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm3, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm5, %xmm15<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm15[0],xmm0[0],xmm15[1],xmm0[1],xmm15[2],xmm0[2],xmm15[3],xmm0[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1,2],xmm10[3]<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm10 = zmm18[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm15 = ymm0[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm11, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm9, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm13, %ymm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm1, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3,4],ymm6[5],ymm7[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm12, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm2, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm5, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm10[0],xmm7[1],xmm10[1],xmm7[2],xmm10[2],xmm7[3],xmm10[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1,2],xmm6[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $40, %zmm18, %zmm7<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm7, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm31, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm11, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm9, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm7[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm28, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm13, %ymm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm29, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm10[0,1,2,3,4],ymm7[5],ymm10[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm7[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm12, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm10[0],xmm7[1],xmm10[1],xmm7[2],xmm10[2],xmm7[3],xmm10[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm10, %xmm5, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm10[0,1,2],xmm7[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm18, %zmm10<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm10[0,1],xmm7[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm7[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm7 = ymm11[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,19,23,27,31]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm9, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm9[0,1,2,3,4,5,6],ymm7[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm30, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm13, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm9[5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm7[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm12, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm9[0],xmm2[1],xmm9[1],xmm2[2],xmm9[2],xmm2[3],xmm9[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm5, %xmm5<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm10, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm12[0],xmm3[1],xmm12[1],xmm3[2],xmm12[2],xmm3[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm9, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm12[0],xmm3[1],xmm12[2,3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $56, %zmm18, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm3, %xmm3<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm0 = ymm0[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,19,23,27,31]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm31<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm13, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm30<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm15, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm29<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4],ymm1[5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm2[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm24<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm5, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm11, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm11, %xmm17<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm8, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm8, %xmm22<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm7, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm19<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1],xmm1[2],xmm2[2],xmm1[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm10, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm16<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm6, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm6, %xmm18<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1],xmm1[2],xmm2[2],xmm1[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm9, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm9, %xmm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm4, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [1,3,2,3,1,3,5,7]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm21, %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm1 = ymm2[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm21<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm20, %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm13 = ymm2[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm20<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm13[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm25, %ymm0, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm15 = ymm11[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm23, %ymm0, %ymm9<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm9[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm14[0,1,2,3,4],ymm15[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5],ymm13[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm12[0,1,2,3],ymm13[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm23<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm5, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm22, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm7, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm19, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0,1,2],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm3, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm10, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm8, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm14[0],xmm0[0],xmm14[1],xmm0[1],xmm14[2],xmm0[2],xmm14[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm13[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm12[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm13 = ymm5[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5,6],ymm12[7]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm13 = ymm11[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm9[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm12[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm16<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm15, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm15, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm12[0],xmm0[1],xmm12[1],xmm0[2],xmm12[2],xmm0[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm7, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm6, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm15 = xmm12[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm3, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm10, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm8, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm14[0],xmm0[0],xmm14[1],xmm0[1],xmm14[2],xmm0[2],xmm14[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm12[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm15[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm1[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm15<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm5[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm12[0,1,2,3,4,5,6],ymm14[7]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm11[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm9[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u,u,u,u,u,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4],ymm12[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm12[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm13, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm1[0],xmm0[1],xmm1[1],xmm0[2],xmm1[2],xmm0[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm7, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm6, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm7[0],xmm1[1],xmm7[1],xmm1[2],xmm7[2],xmm1[3],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm3, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm6[0],xmm1[1],xmm6[1],xmm1[2],xmm6[2],xmm1[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm10, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm8, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm6[0],xmm1[1],xmm6[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm1 = ymm15[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,19,23,27,31]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm31, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm5, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm30, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm11, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm29, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm9, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4],ymm3[5],ymm2[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm28, (%rsi)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, (%rdx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, (%rcx)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, (%r8)<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, (%r9)<br>
-; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, (%rax)<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, (%rsi)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, (%rdx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm8, (%rcx)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm4, (%r8)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm15, (%r9)<br>
 ; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm12, (%rax)<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm6, (%rax)<br>
 ; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512F-FAST-NEXT:    vmovdqa %ymm0, (%rax)<br>
+; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm1, (%rax)<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
 ;<br>
@@ -6166,337 +5975,298 @@ define void @load_i8_stride8_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512BW-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512BW-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %r10<br>
 ; AVX512BW-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %r11<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 240(%rdi), %xmm25<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm16<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm0, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm2<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm5, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm6[0],xmm3[0],xmm6[1],xmm3[1],xmm6[2],xmm3[2],xmm6[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm6, %xmm7<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm8, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm10[0],xmm7[0],xmm10[1],xmm7[1],xmm10[2],xmm7[2],xmm10[3],xmm7[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm7[0,1,2,3,4,5,6],ymm3[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm7<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %ymm7, %xmm7<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm7[0,1,2,3,4],ymm1[5],ymm7[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm1[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 112(%rdi), %xmm24<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm24, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm8[0],xmm3[0],xmm8[1],xmm3[1],xmm8[2],xmm3[2],xmm8[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %ymm3, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4],ymm0[5],ymm3[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm1, %xmm8<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm3<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm3, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm4[0],xmm7[0],xmm4[1],xmm7[1],xmm4[2],xmm7[2],xmm4[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm4[0],xmm8[0],xmm4[1],xmm8[1],xmm4[2],xmm8[2],xmm4[3],xmm8[3]<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm4, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm7<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm7, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm12[0],xmm9[1],xmm12[1],xmm9[2],xmm12[2],xmm9[3],xmm12[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm9[0,1,2],xmm11[3]<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm0, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm26<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %xmm20<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 144(%rdi), %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 160(%rdi), %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 176(%rdi), %xmm23<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm4, %xmm11<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm11[0],xmm5[1],xmm11[1],xmm5[2],xmm11[2],xmm5[3],xmm11[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm5[0,1,2],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm16, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm5[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm20<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %xmm19<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm11<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm13<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm14<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm14[0],xmm5[0],xmm14[1],xmm5[1],xmm14[2],xmm5[2],xmm14[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm6, %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm8, %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm16[0],xmm15[0],xmm16[1],xmm15[1],xmm16[2],xmm15[2],xmm16[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm7, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm9, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm17[0],xmm15[0],xmm17[1],xmm15[1],xmm17[2],xmm15[2],xmm17[3],xmm15[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm15[0,1,2,3,4,5,6],ymm13[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm23, %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm22, %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm16[0],xmm15[0],xmm16[1],xmm15[1],xmm16[2],xmm15[2],xmm16[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm15[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm13, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm12, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm17[0],xmm15[1],xmm17[1],xmm15[2],xmm17[2],xmm15[3],xmm17[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm18 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm18, %xmm21, %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm18, %xmm20, %xmm19<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm16 = xmm19[0],xmm16[0],xmm19[1],xmm16[1],xmm19[2],xmm16[2],xmm19[3],xmm16[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm16, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4],ymm15[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4,5],ymm13[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm11, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm19, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm17[0],xmm18[0],xmm17[1],xmm18[1],xmm17[2],xmm18[2],xmm17[3],xmm18[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4],ymm15[5],ymm10[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm10[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm10<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm13[0],xmm0[1],xmm13[1],xmm0[2],xmm13[2],xmm0[3],xmm13[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm4, %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm7, %xmm14<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm13[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa (%rdi), %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm14<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 48(%rdi), %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm16, %xmm19<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm15, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm19[0],xmm17[1],xmm19[1],xmm17[2],xmm19[2],xmm17[3],xmm19[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm18, %xmm14, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm18, %xmm13, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm18[0],xmm17[0],xmm18[1],xmm17[1],xmm18[2],xmm17[2],xmm18[3],xmm17[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm10 = xmm11[0],xmm10[1],xmm11[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm4, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm8, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlw $8, %zmm16, %zmm10<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm9[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm27<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm21<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm6, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm17[0],xmm11[0],xmm17[1],xmm11[1],xmm17[2],xmm11[2],xmm17[3],xmm11[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3,4,5,6],ymm9[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm23, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm22, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm18[0],xmm17[0],xmm18[1],xmm17[1],xmm18[2],xmm17[2],xmm18[3],xmm17[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm12<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm21, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm20, %xmm19<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm18 = xmm19[0],xmm18[0],xmm19[1],xmm18[1],xmm19[2],xmm18[2],xmm19[3],xmm18[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm18, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm12[5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm7, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm9, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm13, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm12, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm14[0],xmm15[0],xmm14[1],xmm15[1],xmm14[2],xmm15[2],xmm14[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm11, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm19, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm17[0],xmm15[1],xmm17[1],xmm15[2],xmm17[2],xmm15[3],xmm17[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm14<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm4, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm7, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm9[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm16, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm15, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm14, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm13, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm9[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm19<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm14[0],xmm0[1],xmm14[1],xmm0[2],xmm14[2],xmm0[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm4, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $16, %zmm16, %zmm10<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm22<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm6, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm8, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm23, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm22, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm12 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm12, %xmm21, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm12, %xmm20, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm18[0],xmm17[0],xmm18[1],xmm17[1],xmm18[2],xmm17[2],xmm18[3],xmm17[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm2<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4],ymm11[5],ymm2[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm7, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm9, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm13, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm12, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm14[0],xmm15[0],xmm14[1],xmm15[1],xmm14[2],xmm15[2],xmm14[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm11, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm19, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm17[0],xmm15[1],xmm17[1],xmm15[2],xmm17[2],xmm15[3],xmm17[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm14<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1],xmm0[2],xmm2[2],xmm0[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm4, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm7, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm9[0],xmm2[0],xmm9[1],xmm2[1],xmm9[2],xmm2[2],xmm9[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm16, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm15, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm9[0],xmm2[0],xmm9[1],xmm2[1],xmm9[2],xmm2[2],xmm9[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm12, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm12, %xmm13, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm9[0],xmm2[1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm18<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm14[0],xmm0[1],xmm14[1],xmm0[2],xmm14[2],xmm0[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm4, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $24, %zmm16, %zmm10<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm23<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm22, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm11 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm21, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm20, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm17[0],xmm12[0],xmm17[1],xmm12[1],xmm17[2],xmm12[2],xmm17[3],xmm12[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm12<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4],ymm10[5],ymm12[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm7, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm9, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm17[0],xmm14[0],xmm17[1],xmm14[1],xmm17[2],xmm14[2],xmm17[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm13, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm12, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm14[0],xmm17[0],xmm14[1],xmm17[1],xmm14[2],xmm17[2],xmm14[3],xmm17[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm11, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm19, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm17[0],xmm18[0],xmm17[1],xmm18[1],xmm17[2],xmm18[2],xmm17[3],xmm18[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm14<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm16, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm15, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm9[0],xmm2[0],xmm9[1],xmm2[1],xmm9[2],xmm2[2],xmm9[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm13, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm9[0],xmm2[1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm28<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm14[0],xmm0[1],xmm14[1],xmm0[2],xmm14[2],xmm0[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm4, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufd {{.*#+}} zmm10 = zmm16[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm24<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm22, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm11 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm21, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm20, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm17[0],xmm12[0],xmm17[1],xmm12[1],xmm17[2],xmm12[2],xmm17[3],xmm12[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm12<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4],ymm10[5],ymm12[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm7, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm9, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm17[0],xmm15[0],xmm17[1],xmm15[1],xmm17[2],xmm15[2],xmm17[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm15[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm13, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm12, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm17[0],xmm15[1],xmm17[1],xmm15[2],xmm17[2],xmm15[3],xmm17[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm11, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm19, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm17[0],xmm18[0],xmm17[1],xmm18[1],xmm17[2],xmm18[2],xmm17[3],xmm18[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm14<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm14 = ymm14[0,1,2,3,4],ymm15[5],ymm14[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm14[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm14<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm16, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm15, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm9[0],xmm2[0],xmm9[1],xmm2[1],xmm9[2],xmm2[2],xmm9[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm13, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm9[0],xmm2[1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm29<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm14[0],xmm0[1],xmm14[1],xmm0[2],xmm14[2],xmm0[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm4, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm10, %xmm8, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $40, %zmm16, %zmm10<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm0, %ymm25<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm22, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm11 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm21, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm20, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm17[0],xmm12[0],xmm17[1],xmm12[1],xmm17[2],xmm12[2],xmm17[3],xmm12[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm12, %ymm0, %ymm12<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4],ymm10[5],ymm12[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm7, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm9, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm17[0],xmm15[0],xmm17[1],xmm15[1],xmm17[2],xmm15[2],xmm17[3],xmm15[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm15[0,1,2,3,4,5,6],ymm10[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm13, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm12, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm17[0],xmm15[1],xmm17[1],xmm15[2],xmm17[2],xmm15[3],xmm17[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm15<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm11, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm17, %xmm19, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm17 = xmm17[0],xmm18[0],xmm17[1],xmm18[1],xmm17[2],xmm18[2],xmm17[3],xmm18[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm17, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4],ymm15[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4,5],ymm10[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm10<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm16, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm15, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm9[0],xmm2[0],xmm9[1],xmm2[1],xmm9[2],xmm2[2],xmm9[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm11, %xmm13, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm9[0],xmm2[1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm25, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm5[0],xmm2[0],xmm5[1],xmm2[1],xmm5[2],xmm2[2],xmm5[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm4, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm14, %xmm8, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $48, %zmm16, %zmm10<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm2, %xmm2<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm6, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm8[0],xmm6[0],xmm8[1],xmm6[1],xmm8[2],xmm6[2],xmm8[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm6[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm23, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm22, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm9[0],xmm8[0],xmm9[1],xmm8[1],xmm9[2],xmm8[2],xmm9[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm6[0],xmm2[0],xmm6[1],xmm2[1],xmm6[2],xmm2[2],xmm6[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm7, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm9, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm9[0],xmm7[0],xmm9[1],xmm7[1],xmm9[2],xmm7[2],xmm9[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm7[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm7, %xmm13, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm7, %xmm12, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm9[0],xmm7[1],xmm9[1],xmm7[2],xmm9[2],xmm7[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm21, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm20, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm10[0,1,2,3,4],ymm8[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm8[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm24, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm8[0],xmm1[1],xmm8[1],xmm1[2],xmm8[2],xmm1[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm4, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm11, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm19, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm7 = ymm9[0,1,2,3,4],ymm7[5],ymm9[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm7[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm1, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm3, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm4, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm8, %xmm4<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm16, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm15, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm14, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm13, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $56, %zmm16, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm26, (%rsi)<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm27, (%rdx)<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm19, (%rcx)<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm18, (%r8)<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm28, (%r9)<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm29, (%r11)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm20, (%rsi)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm21, (%rdx)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm22, (%rcx)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm23, (%r8)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm24, (%r9)<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %ymm25, (%r11)<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa %ymm0, (%r10)<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa %ymm1, (%rax)<br>
 ; AVX512BW-SLOW-NEXT:    vzeroupper<br>
@@ -6504,267 +6274,214 @@ define void @load_i8_stride8_vf32(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ;<br>
 ; AVX512BW-FAST-LABEL: load_i8_stride8_vf32:<br>
 ; AVX512BW-FAST:       # %bb.0:<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 (%rdi), %zmm5<br>
+; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
+; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %r10<br>
+; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %r11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm12 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = [0,2,2,3,0,2,4,6]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 224(%rdi), %ymm11<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm11, %ymm1, %ymm25<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm0 = ymm25[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 192(%rdi), %ymm14<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm14, %ymm1, %ymm28<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm2 = ymm28[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 160(%rdi), %ymm15<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm15, %ymm1, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm3 = ymm0[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm16 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 128(%rdi), %ymm18<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm18, %ymm1, %ymm31<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm16, %ymm31, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 224(%rdi), %ymm9<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm9, %ymm1, %ymm4<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm12, %ymm4, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm30 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa 192(%rdi), %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm11, %ymm1, %ymm26<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm26, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm31 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa 160(%rdi), %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm13, %ymm1, %ymm27<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm27, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm14 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa 128(%rdi), %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm15, %ymm1, %ymm28<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm14, %ymm28, %ymm1<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm3[5],ymm1[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm1[0,1,2,3,4,5],ymm2[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 112(%rdi), %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm1, %xmm4<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm1, %xmm5<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 96(%rdi), %xmm2<br>
 ; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm2, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm3[0],xmm5[0],xmm3[1],xmm5[1],xmm3[2],xmm5[2],xmm3[3],xmm5[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm16 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 80(%rdi), %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm3, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 64(%rdi), %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm4, %xmm8<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm9[0],xmm8[1],xmm9[1],xmm8[2],xmm9[2],xmm8[3],xmm9[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm3, %xmm17<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 64(%rdi), %xmm5<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm5, %xmm16<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm16[0],xmm17[0],xmm16[1],xmm17[1],xmm16[2],xmm17[2],xmm16[3],xmm17[3]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1,2],xmm7[3]<br>
-; AVX512BW-FAST-NEXT:    vpmovqb %zmm5, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm5[0,1],xmm7[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3],ymm6[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm5, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm1, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm2, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1],xmm5[2],xmm6[2],xmm5[3],xmm6[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm3, %xmm7<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm4, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm6[0,1,2],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa (%rdi), %xmm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 16(%rdi), %xmm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 32(%rdi), %xmm7<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 48(%rdi), %xmm8<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm8, %xmm19<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm7, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm19[0],xmm10[1],xmm19[1],xmm10[2],xmm19[2],xmm10[3],xmm19[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm19 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm6, %xmm20<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm5, %xmm19<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm19[0],xmm20[0],xmm19[1],xmm20[1],xmm19[2],xmm20[2],xmm19[3],xmm20[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm10 = xmm12[0],xmm10[1],xmm12[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm10 = ymm25[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm20 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm20, %ymm28, %ymm12<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4,5,6],ymm10[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm21 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm0, %ymm12<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm22 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm22, %ymm31, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4],ymm12[5],ymm13[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4,5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm9, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm1, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm2, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm0, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1],xmm7[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqu %ymm6, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm16 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm16, %ymm4, %ymm6<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm17 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm17, %ymm26, %ymm7<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3,4,5,6],ymm6[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm18 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm18, %ymm27, %ymm7<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm19 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm19, %ymm28, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm8[0,1,2,3,4],ymm7[5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3,4,5],ymm6[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm1, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm7<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm3, %xmm20<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm5, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm20[0],xmm8[1],xmm20[1],xmm8[2],xmm20[2],xmm8[3],xmm20[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1,2],xmm7[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlw $8, %zmm0, %zmm8<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm8, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1],xmm7[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm7[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm6, %ymm29<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm20 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm20, %ymm4, %ymm7<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm21 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm26, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm8[0,1,2,3,4,5,6],ymm7[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm22 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm22, %ymm27, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm23 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm28, %ymm10<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm10[0,1,2,3,4],ymm8[5],ymm10[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm8[0,1,2,3,4,5],ymm7[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm1, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm2, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm10[0],xmm8[1],xmm10[1],xmm8[2],xmm10[2],xmm8[3],xmm10[3]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm4, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm12[0],xmm10[1],xmm12[1],xmm10[2],xmm12[2],xmm10[3],xmm12[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1,2],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm8, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm7, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm12[0],xmm10[1],xmm12[1],xmm10[2],xmm12[2],xmm10[3],xmm12[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm6, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm5, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm10 = xmm12[0],xmm10[1],xmm12[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm23 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm25, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm24 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm28, %ymm12<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4,5,6],ymm10[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm26 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm0, %ymm12<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm27 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm27, %ymm31, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4],ymm12[5],ymm13[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm12[0,1,2,3,4,5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm9, %ymm19<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm1, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm2, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm12[0],xmm9[1],xmm12[1],xmm9[2],xmm12[2],xmm9[3],xmm12[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm3, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm12[0,1,2],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm8, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm7, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm29<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm5, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm29[0],xmm13[1],xmm29[1],xmm13[2],xmm29[2],xmm13[3],xmm29[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0],xmm12[1],xmm13[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm12[0,1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm29 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm29, %ymm25, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm24<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm5, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm24[0],xmm10[1],xmm24[1],xmm10[2],xmm24[2],xmm10[3],xmm24[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm10[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $16, %zmm0, %zmm10<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm10[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm8[0,1,2,3],ymm7[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm24 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm4, %ymm4<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm25 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm25, %ymm28, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5,6],ymm12[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm28 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm28, %ymm0, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm30 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm31, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4],ymm0[5],ymm13[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm12[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm9[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm0, %ymm17<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm1, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm2, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm12[0],xmm0[1],xmm12[1],xmm0[2],xmm12[2],xmm0[3],xmm12[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm3, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm4, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm12[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm8, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm7, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm25, %ymm26, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm26 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm27, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm27 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm27, %ymm28, %ymm10<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm10[0,1,2,3,4],ymm8[5],ymm10[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm1, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm2, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm10[0],xmm8[1],xmm10[1],xmm8[2],xmm10[2],xmm8[3],xmm10[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm28<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm5, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm28[0],xmm10[1],xmm28[1],xmm10[2],xmm28[2],xmm10[3],xmm28[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm10[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $24, %zmm0, %zmm10<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm10[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = [1,3,2,3,1,3,5,7]<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm9, %ymm8, %ymm9<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm12, %ymm9, %ymm10<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm11, %ymm8, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm11, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm12[0,1,2,3,4,5,6],ymm10[7]<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm13, %ymm8, %ymm10<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm10, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm15, %ymm8, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm14, %ymm15, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4],ymm13[5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm1, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm12<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm13[0],xmm12[1],xmm13[1],xmm12[2],xmm13[2],xmm12[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm31<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm3, %xmm14<br>
 ; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm5, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm31[0],xmm13[1],xmm31[1],xmm13[2],xmm31[2],xmm13[3],xmm31[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0],xmm12[1],xmm13[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm12[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm13 = [1,3,2,3,1,3,5,7]<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm11, %ymm13, %ymm31<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm11 = ymm31[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28]<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm14, %ymm13, %ymm14<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm12 = ymm14[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4,5,6],ymm11[7]<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm15, %ymm13, %ymm12<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm18, %ymm13, %ymm15<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm13 = ymm12[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,16,20,24,28,u,u,u,u,u,u,u,u]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm16, %ymm15, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4],ymm13[5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm10[0,1,2,3,4,5],ymm11[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm10[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm0, %ymm18<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm1, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm2, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm4, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm13[0],xmm10[1],xmm13[1],xmm10[2],xmm13[2],xmm10[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm8, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm7, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm13[0],xmm10[1],xmm13[1],xmm10[2],xmm13[2],xmm10[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm16<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm5, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm16[0],xmm13[1],xmm16[1],xmm13[2],xmm16[2],xmm13[3],xmm16[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm10 = xmm13[0],xmm10[1],xmm13[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm10[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm10 = ymm31[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm20, %ymm14, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm13[0,1,2,3,4,5,6],ymm10[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm12, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm22, %ymm15, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4],ymm13[5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4,5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm0[0,1,2,3],ymm9[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm1, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm2, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm3, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm4, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm9[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm8, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm7, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm10[0],xmm9[1],xmm10[1],xmm9[2],xmm10[2],xmm9[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm6, %xmm16<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm5, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm16[0],xmm10[1],xmm16[1],xmm10[2],xmm16[2],xmm10[3],xmm16[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm9[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm31, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm14, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4,5,6],ymm9[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm12, %ymm10<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0,1,2],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufd {{.*#+}} zmm13 = zmm0[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm13, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm13[0,1],xmm12[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm12[0,1,2,3],ymm8[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm16, %ymm9, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm17, %ymm11, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5,6],ymm12[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm18, %ymm10, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm19, %ymm15, %ymm14<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4,5],ymm12[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm1, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm3, %xmm16<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm5, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm14[0],xmm16[0],xmm14[1],xmm16[1],xmm14[2],xmm16[2],xmm14[3],xmm16[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0,1,2],xmm13[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $40, %zmm0, %zmm14<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0,1],xmm13[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3],ymm12[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm20, %ymm9, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm11, %ymm14<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5,6],ymm13[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm22, %ymm10, %ymm14<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm15, %ymm6<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3,4],ymm14[5],ymm6[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3,4,5],ymm13[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm1, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm3, %xmm16<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm5, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm14[0],xmm16[0],xmm14[1],xmm16[1],xmm14[2],xmm16[2],xmm14[3],xmm16[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0,1,2],xmm13[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $48, %zmm0, %zmm14<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0,1],xmm13[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm13[0,1,2,3],ymm6[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm9, %ymm9<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm25, %ymm11, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3,4,5,6],ymm9[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm10, %ymm10<br>
 ; AVX512BW-FAST-NEXT:    vpshufb %ymm27, %ymm15, %ymm11<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm11[0,1,2,3,4],ymm10[5],ymm11[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4,5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm9[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm1, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm2, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm1, %xmm1<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm2, %xmm2<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm5, %xmm2<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm8, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm6, %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm29, %ymm31, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm25, %ymm14, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm28, %ymm12, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm15, %ymm4<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4],ymm3[5],ymm4[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %ymm2, (%rsi)<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %ymm2, (%rdx)<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm19, (%rcx)<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm17, (%r8)<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm18, (%r9)<br>
-; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm13, (%rax)<br>
-; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $56, %zmm0, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm0, %xmm0<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm9[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
+; AVX512BW-FAST-NEXT:    vmovaps %ymm1, (%rsi)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm29, (%rdx)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm7, (%rcx)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm4, (%r8)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm8, (%r9)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm12, (%r11)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm6, (%r10)<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa %ymm0, (%rax)<br>
-; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm1, (%rax)<br>
 ; AVX512BW-FAST-NEXT:    vzeroupper<br>
 ; AVX512BW-FAST-NEXT:    retq<br>
   %wide.vec = load <256 x i8>, ptr %in.vec, align 64<br>
@@ -11998,68 +11715,81 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ;<br>
 ; AVX512F-SLOW-LABEL: load_i8_stride8_vf64:<br>
 ; AVX512F-SLOW:       # %bb.0:<br>
-; AVX512F-SLOW-NEXT:    subq $648, %rsp # imm = 0x288<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm2<br>
+; AVX512F-SLOW-NEXT:    subq $552, %rsp # imm = 0x228<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm8<br>
+; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm8, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 384(%rdi), %zmm0<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %zmm0, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 496(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm0, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 496(%rdi), %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 480(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 464(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm3, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 480(%rdi), %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 464(%rdi), %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 448(%rdi), %xmm6<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm17<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 448(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm8, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 384(%rdi), %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %ymm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 368(%rdi), %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 352(%rdi), %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 336(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5,6],ymm3[7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 384(%rdi), %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %ymm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4],ymm2[5],ymm4[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm2[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 368(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 352(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1],xmm4[2],xmm2[2],xmm4[3],xmm2[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 336(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, (%rsp) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 320(%rdi), %xmm6<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 320(%rdi), %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm5[0,1,2],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0,1],xmm4[2,3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0,1,2],xmm2[3]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm8, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0,1],xmm2[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
 ; AVX512F-SLOW-NEXT:    movb $-64, %al<br>
 ; AVX512F-SLOW-NEXT:    kmovw %eax, %k1<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm2 {%k1}<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, %xmm13<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm4, %xmm16<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm30<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm24<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 256(%rdi), %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm4, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 288(%rdi), %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm5, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm5, %zmm4, %zmm20<br>
+; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %ymm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm4, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vpsrlw $8, %ymm5, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm5, %zmm4, %zmm19<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm16<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm6<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm28<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm17<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm5<br>
 ; AVX512F-SLOW-NEXT:    vpmovqb %zmm5, %xmm5<br>
@@ -12072,489 +11802,412 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm29<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, %xmm14<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm20<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm22<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm23<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm4[0],xmm1[1],xmm4[1],xmm1[2],xmm4[2],xmm1[3],xmm4[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm3[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm15, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm8, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm29<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1],xmm4[2],xmm2[2],xmm4[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm2[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 416(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 432(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm31<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm0[0],xmm5[1],xmm0[1],xmm5[2],xmm0[2],xmm5[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 384(%rdi), %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm11, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 400(%rdi), %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4],ymm5[5],ymm6[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm25<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm26<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 304(%rdi), %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm7, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 416(%rdi), %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 432(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm11, %xmm4, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm4, %xmm27<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm11, %xmm3, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm31<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 384(%rdi), %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 400(%rdi), %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm4, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm4, %xmm30<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm3, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm28<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm14[0],xmm9[0],xmm14[1],xmm9[1],xmm14[2],xmm9[2],xmm14[3],xmm9[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4],ymm10[5],ymm9[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm15, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm3 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1,2],xmm9[3]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm20, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0,1],xmm9[2,3]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm9, %zmm0, %zmm14<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm14 {%k1}<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm18<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm11, %xmm7, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 288(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm27<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 272(%rdi), %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm11, %xmm3, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm3, %xmm20<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm11[0],xmm1[0],xmm11[1],xmm1[1],xmm11[2],xmm1[2],xmm11[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm7<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa %xmm7, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 256(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm8, (%rsp) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1],xmm8[2],xmm7[2],xmm8[3],xmm7[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0],xmm6[1],xmm7[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm17<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm17 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm3[5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm19, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm14, %zmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm26<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm8, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm17<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm12, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm5, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm10[0],xmm14[0],xmm10[1],xmm14[1],xmm10[2],xmm14[2],xmm10[3],xmm14[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm7, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm8, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4],ymm5[5],ymm6[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm14, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm14, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm14, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm5[0],xmm3[1],xmm5[1],xmm3[2],xmm5[2],xmm3[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4],ymm4[5],ymm10[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm22<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm5[0],xmm1[1],xmm5[1],xmm1[2],xmm5[2],xmm1[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1,2],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm20<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rdi), %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm16<br>
-; AVX512F-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm2[1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm17, %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm8 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm8, %xmm10<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm12, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm10[0,1,2],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm16 # 64-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm16, %zmm10<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm10[0,1],xmm4[2,3]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm4 {%k1}<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm30<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm10[0],xmm1[0],xmm10[1],xmm1[1],xmm10[2],xmm1[2],xmm10[3],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm19<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm13, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm15[0],xmm0[0],xmm15[1],xmm0[1],xmm15[2],xmm0[2],xmm15[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm14[0],xmm0[0],xmm14[1],xmm0[1],xmm14[2],xmm0[2],xmm14[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm15, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm14[5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm13, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm17<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm14[0],xmm4[0],xmm14[1],xmm4[1],xmm14[2],xmm4[2],xmm14[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm8<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm14[0,1,2],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm15[0],xmm13[1],xmm15[1],xmm13[2],xmm15[2],xmm13[3],xmm15[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm13 = xmm13[0],xmm14[1],xmm13[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm13[0,1],xmm4[2,3]<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm4 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm0, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm13[0],xmm0[0],xmm13[1],xmm0[1],xmm13[2],xmm0[2],xmm13[3],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm15<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1],xmm3[2],xmm10[2],xmm3[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm10, %xmm10<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm15, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm14<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm14, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm13[0],xmm5[1],xmm13[1],xmm5[2],xmm13[2],xmm5[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm13[0],xmm3[1],xmm13[1],xmm3[2],xmm13[2],xmm3[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm3[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm5[0],xmm2[1],xmm5[1],xmm2[2],xmm5[2],xmm2[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm5[0],xmm1[1],xmm5[1],xmm1[2],xmm5[2],xmm1[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0],xmm2[1],xmm1[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm3[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm10[0],xmm5[1],xmm10[1],xmm5[2],xmm10[2],xmm5[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm23<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm24 # 64-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpsrld $16, %zmm24, %zmm2<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm0[0],xmm2[1],xmm0[1],xmm2[2],xmm0[2],xmm2[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm5, %xmm17<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm5, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4],ymm4[5],ymm10[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm10[0,1,2],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $24, %zmm16, %zmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm16, %zmm20<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm10[0,1],xmm4[2,3]<br>
+; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm4 {%k1}<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm16<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm10[0],xmm2[0],xmm10[1],xmm2[1],xmm10[2],xmm2[2],xmm10[3],xmm2[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm26<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm10[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm19<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm22<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1],xmm3[2],xmm10[2],xmm3[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm12, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm18<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm5, %xmm15, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm10[0],xmm5[1],xmm10[1],xmm5[2],xmm10[2],xmm5[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm13[0,1,2,3,4],ymm5[5],ymm13[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm9, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm13[0],xmm5[0],xmm13[1],xmm5[1],xmm13[2],xmm5[2],xmm13[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm8, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0],xmm13[1],xmm14[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
-; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm5 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm13[0],xmm4[0],xmm13[1],xmm4[1],xmm13[2],xmm4[2],xmm13[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm13[0],xmm0[1],xmm13[1],xmm0[2],xmm13[2],xmm0[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm13[0],xmm1[1],xmm13[1],xmm1[2],xmm13[2],xmm1[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrld $24, %zmm24, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm24, %zmm29<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm2, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm0[0],xmm2[1],xmm0[1],xmm2[2],xmm0[2],xmm2[3],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm2[0],xmm5[1],xmm2[1],xmm5[2],xmm2[2],xmm5[3],xmm2[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm13[0,1,2,3,4],ymm5[5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm10[0,1,2,3,4],ymm5[5],ymm10[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm26<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm13[0],xmm5[0],xmm13[1],xmm5[1],xmm13[2],xmm5[2],xmm13[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm29<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm28<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0],xmm13[1],xmm14[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa %xmm9, %xmm11<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm24<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1,2],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm10 = zmm20[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm5 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm13[0],xmm4[0],xmm13[1],xmm4[1],xmm13[2],xmm4[2],xmm13[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm27<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm8, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm22<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm13[0],xmm0[1],xmm13[1],xmm0[2],xmm13[2],xmm0[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1],xmm3[2],xmm10[2],xmm3[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm23<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm13[0],xmm1[1],xmm13[1],xmm1[2],xmm13[2],xmm1[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm23<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4],ymm3[5],ymm2[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm15, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm17<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1,2],xmm1[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufd {{.*#+}} zmm1 = zmm29[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
@@ -12563,108 +12216,91 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm9<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm24<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm27<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm13[0,1,2,3,4],ymm5[5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm10[0,1,2,3,4],ymm5[5],ymm10[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm13[0],xmm5[0],xmm13[1],xmm5[1],xmm13[2],xmm5[2],xmm13[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm21<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm12 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0],xmm13[1],xmm14[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1,2],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $40, %zmm20, %zmm10<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm5 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm13[0],xmm4[0],xmm13[1],xmm4[1],xmm13[2],xmm4[2],xmm13[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm31<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm30<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm14, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm14, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm13[0],xmm0[1],xmm13[1],xmm0[2],xmm13[2],xmm0[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm25<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm6<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm13[0],xmm1[1],xmm13[1],xmm1[2],xmm13[2],xmm1[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm21<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm6<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm19<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm12<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1],xmm3[2],xmm10[2],xmm3[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm18<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $40, %zmm29, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
-; AVX512F-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm23<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm31<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm20<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
@@ -12672,106 +12308,89 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm17<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm28<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm30<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm13, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm26<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm13[0,1,2,3,4],ymm5[5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm10[0,1,2,3,4],ymm5[5],ymm10[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm13[0],xmm5[0],xmm13[1],xmm5[1],xmm13[2],xmm5[2],xmm13[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm10, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm10, %xmm18<br>
-; AVX512F-SLOW-NEXT:    vmovdqa (%rsp), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm13 = xmm14[0],xmm13[1],xmm14[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm16<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm10[0],xmm5[0],xmm10[1],xmm5[1],xmm10[2],xmm5[2],xmm10[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm9<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1,2],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm20, %zmm10<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm5 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm19<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm13[0],xmm4[0],xmm13[1],xmm4[1],xmm13[2],xmm4[2],xmm13[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm9<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm13<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm10[0],xmm4[0],xmm10[1],xmm4[1],xmm10[2],xmm4[2],xmm10[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm22<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm14[0],xmm10[0],xmm14[1],xmm10[1],xmm14[2],xmm10[2],xmm14[3],xmm10[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm14<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm10[0],xmm2[1],xmm10[1],xmm2[2],xmm10[2],xmm2[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm10<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm25<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm19<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm10[0],xmm3[1],xmm10[1],xmm3[2],xmm10[2],xmm3[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm4[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm14, %ymm0, %ymm14<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm13[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm15<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm14, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm13[0],xmm0[1],xmm13[1],xmm0[2],xmm13[2],xmm0[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm14, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm13[0],xmm1[1],xmm13[1],xmm1[2],xmm13[2],xmm1[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm8<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm17<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm16<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $48, %zmm29, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
-; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm22<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm24<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm2<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm4, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
@@ -12779,90 +12398,71 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm3<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm3, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm5<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm5, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm13[0,1,2,3,4],ymm5[5],ymm13[6,7]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4],ymm5[5],ymm6[6,7]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm5<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm5, %xmm5<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm13[0],xmm5[0],xmm13[1],xmm5[1],xmm13[2],xmm5[2],xmm13[3],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm14<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm11[0],xmm14[0],xmm11[1],xmm14[1],xmm11[2],xmm14[2],xmm11[3],xmm14[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm11 = xmm11[0],xmm13[1],xmm11[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm11[0,1],xmm5[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm9, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1,2],xmm5[3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $56, %zmm20, %zmm6<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm6, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm5 {%k1}<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm4<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm4<br>
 ; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm4, %xmm4<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm11[0],xmm4[0],xmm11[1],xmm4[1],xmm11[2],xmm4[2],xmm11[3],xmm4[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm13<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm13, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm30, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm6, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
 ; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm11[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm10, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm11<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm12<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm11[0,1,2,3,4],ymm10[5],ymm11[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm10[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm0<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm10[0],xmm0[1],xmm10[1],xmm0[2],xmm10[2],xmm0[3],xmm10[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm10<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm10[0],xmm1[1],xmm10[1],xmm1[2],xmm10[2],xmm1[3],xmm10[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm2<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm6[0],xmm2[1],xmm6[1],xmm2[2],xmm6[2],xmm2[3],xmm6[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm6<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm7<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm6[0],xmm3[1],xmm6[1],xmm3[2],xmm6[2],xmm3[3],xmm6[3]<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512F-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm0<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
+; AVX512F-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm1<br>
+; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm7<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm2<br>
-; AVX512F-SLOW-NEXT:    vpshufb %xmm3, %xmm6, %xmm3<br>
-; AVX512F-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
+; AVX512F-SLOW-NEXT:    vpsrlq $56, %zmm29, %zmm1<br>
+; AVX512F-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
 ; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512F-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
 ; AVX512F-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
 ; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vmovaps %zmm1, (%rsi)<br>
@@ -12875,734 +12475,563 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
 ; AVX512F-SLOW-NEXT:    vmovaps %zmm1, (%r9)<br>
 ; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
-; AVX512F-SLOW-NEXT:    vmovaps %zmm1, (%rax)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm23, (%rax)<br>
 ; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm22, (%rax)<br>
+; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm24, (%rax)<br>
 ; AVX512F-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512F-SLOW-NEXT:    vmovdqa64 %zmm0, (%rax)<br>
-; AVX512F-SLOW-NEXT:    addq $648, %rsp # imm = 0x288<br>
+; AVX512F-SLOW-NEXT:    addq $552, %rsp # imm = 0x228<br>
 ; AVX512F-SLOW-NEXT:    vzeroupper<br>
 ; AVX512F-SLOW-NEXT:    retq<br>
 ;<br>
 ; AVX512F-FAST-LABEL: load_i8_stride8_vf64:<br>
 ; AVX512F-FAST:       # %bb.0:<br>
-; AVX512F-FAST-NEXT:    subq $712, %rsp # imm = 0x2C8<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [0,2,2,3,0,2,4,6]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 480(%rdi), %ymm1<br>
+; AVX512F-FAST-NEXT:    subq $440, %rsp # imm = 0x1B8<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = [0,2,2,3,0,2,4,6]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 480(%rdi), %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm0, %ymm8, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm5, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm1, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 448(%rdi), %ymm1<br>
 ; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm3, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm19<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm8, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm12, %ymm1<br>
 ; AVX512F-FAST-NEXT:    vmovdqa %ymm2, %ymm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 448(%rdi), %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm4, %ymm18<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm3, %ymm12<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
 ; AVX512F-FAST-NEXT:    vmovdqa 416(%rdi), %ymm2<br>
 ; AVX512F-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm4, %ymm27<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm3, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm8, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm3, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm16<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm18<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
 ; AVX512F-FAST-NEXT:    vmovdqa 384(%rdi), %ymm3<br>
 ; AVX512F-FAST-NEXT:    vmovdqu %ymm3, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm3, %ymm0, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm3, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm3, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm4, %ymm9<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm3, %ymm8, %ymm13<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm13, %ymm3<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 368(%rdi), %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm3, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm3, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa 352(%rdi), %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm5, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm2[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 368(%rdi), %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm4, %xmm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa 352(%rdi), %xmm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm14, %xmm3<br>
 ; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 336(%rdi), %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm5, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa 320(%rdi), %xmm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm8, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa 336(%rdi), %xmm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm1, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm30<br>
+; AVX512F-FAST-NEXT:    vmovdqa 320(%rdi), %xmm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm1, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm6[0],xmm3[0],xmm6[1],xmm3[1],xmm6[2],xmm3[2],xmm6[3],xmm3[3]<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm3<br>
-; AVX512F-FAST-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm1<br>
+; AVX512F-FAST-NEXT:    vmovdqu64 %zmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm1, %xmm3<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm7<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm17<br>
 ; AVX512F-FAST-NEXT:    movb $-64, %al<br>
-; AVX512F-FAST-NEXT:    kmovw %eax, %k1<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm7 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa 224(%rdi), %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, (%rsp) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa 192(%rdi), %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm12, %ymm2, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm10 = ymm2[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 160(%rdi), %ymm1<br>
+; AVX512F-FAST-NEXT:    kmovw %eax, %k1<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm17 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa 224(%rdi), %ymm1<br>
 ; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
+; AVX512F-FAST-NEXT:    vmovdqa 256(%rdi), %ymm0<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa 288(%rdi), %ymm2<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm2, %ymm2<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm23<br>
+; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %ymm2<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpsrlw $8, %ymm2, %ymm2<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm24<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm8, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm0, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm22<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 192(%rdi), %ymm29<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm29, %ymm8, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm0, %ymm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm25<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm6[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 160(%rdi), %ymm28<br>
 ; AVX512F-FAST-NEXT:    vmovdqa 128(%rdi), %ymm2<br>
 ; AVX512F-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm1, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm0<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm0, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm11[5],ymm0[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm10[6,7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 112(%rdi), %xmm11<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm11, %xmm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm1, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm16<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm10[0],xmm4[1],xmm10[1],xmm4[2],xmm10[2],xmm4[3],xmm10[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 80(%rdi), %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm2, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm1, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm20<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm12[0],xmm6[1],xmm12[1],xmm6[2],xmm12[2],xmm6[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0,1,2],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm6<br>
-; AVX512F-FAST-NEXT:    vpmovqb %zmm6, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0,1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm7, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm13, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm13, %xmm17<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm14, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm14, %xmm29<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm4[0],xmm0[0],xmm4[1],xmm0[1],xmm4[2],xmm0[2],xmm4[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm15, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm15, %xmm21<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm8, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm8, %xmm22<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm12[0],xmm4[0],xmm12[1],xmm4[1],xmm12[2],xmm4[2],xmm12[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm4[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 304(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm0, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 288(%rdi), %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm1, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm30<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm12[0],xmm0[0],xmm12[1],xmm0[1],xmm12[2],xmm0[2],xmm12[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa 272(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm0, %xmm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm23<br>
-; AVX512F-FAST-NEXT:    vmovdqa 256(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm0, %xmm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm28<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm15[0],xmm9[1],xmm15[1],xmm9[2],xmm15[2],xmm9[3],xmm15[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm9[0],xmm14[1],xmm9[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm9[0,1],xmm13[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm9, %zmm0, %zmm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm3, %ymm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm24<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm14 = ymm5[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5,6],ymm13[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm12 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm12, %ymm8, %ymm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm10 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm10, %ymm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm0, %ymm10<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4,5],ymm13[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm13, %zmm0, %zmm9 {%k1}<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm11, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm11, %xmm26<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm15, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm13[0],xmm6[1],xmm13[1],xmm6[2],xmm13[2],xmm6[3],xmm13[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm19<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm13[0],xmm7[1],xmm13[1],xmm7[2],xmm13[2],xmm7[3],xmm13[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1,2],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa 32(%rdi), %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa 48(%rdi), %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm2, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm0, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm25<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm14[0],xmm4[1],xmm14[1],xmm4[2],xmm14[2],xmm4[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa (%rdi), %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa 16(%rdi), %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm7, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm31<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm18<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm4[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm6[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm1 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm4 = ymm2[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,17,21,25,29,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm12, %ymm2, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm2, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4],ymm4[5],ymm6[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm9, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm29, %xmm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm10, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm17<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm21, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm13, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm22, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm22, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm14, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm6[0,1,2],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm0, %xmm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm0, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm12[0],xmm9[0],xmm12[1],xmm9[1],xmm12[2],xmm9[2],xmm12[3],xmm9[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm16<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm11[0],xmm0[0],xmm11[1],xmm0[1],xmm11[2],xmm0[2],xmm11[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm9[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm21<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm9, %ymm28<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm5, %ymm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm22<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm11, %ymm29<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm8, %ymm9<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm23<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm11, %ymm24<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm3 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm3, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm27<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3,4],ymm9[5],ymm11[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm0 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm26, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm1, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm15, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm15, %xmm17<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm19, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm8, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, %xmm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm15, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1],xmm4[2],xmm2[2],xmm4[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm2, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm3, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1],xmm4[2],xmm2[2],xmm4[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm3, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm5, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0],xmm2[1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm28, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm3 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm3, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm29, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm4 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm3 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm3, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm6 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4],ymm4[5],ymm6[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm8, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm1, %ymm10<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm21<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm2, %ymm8, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm0, %ymm8<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm26<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4],ymm10[5],ymm8[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm8[0,1,2,3,4,5],ymm9[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 112(%rdi), %xmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm8<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm27<br>
+; AVX512F-FAST-NEXT:    vmovdqa 96(%rdi), %xmm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm10, %xmm7<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa 80(%rdi), %xmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm9, %xmm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa 64(%rdi), %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm3, %xmm15<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm3, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm15[0],xmm0[0],xmm15[1],xmm0[1],xmm15[2],xmm0[2],xmm15[3],xmm0[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1,2],xmm1[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 (%rdi), %zmm31<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm31, %xmm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1],xmm0[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm17, %zmm0<br>
 ; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm10, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm24<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm13, %xmm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm13, %xmm28<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm14, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm6[0],xmm2[0],xmm6[1],xmm2[1],xmm6[2],xmm2[2],xmm6[3],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm10, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm13, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm9, %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm19<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm6 = xmm11[0],xmm6[1],xmm11[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm6[0,1],xmm1[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm6, %ymm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm16<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm7, %ymm11<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm5, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm19<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm12, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm20<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm7<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm7, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm17<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm13, %ymm2<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm18<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm11[0,1,2,3,4,5,6],ymm6[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm7, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm27<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm7 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm7, %ymm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa %ymm3, %ymm7<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm11[0,1,2,3,4,5],ymm6[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm1, %zmm0, %zmm1<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm6, %zmm0, %zmm1 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm26, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm26, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm14, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm3, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm6[0],xmm0[1],xmm6[1],xmm0[2],xmm6[2],xmm0[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm8, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm8, %xmm30<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm4, %xmm15, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm6[0],xmm4[1],xmm6[1],xmm4[2],xmm6[2],xmm4[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm4[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm3, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm15<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm2, %xmm15, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm19, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm3, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm6, %xmm5, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm5, %xmm25<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm4[0],xmm2[1],xmm4[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4],ymm1[5],ymm2[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm4, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm14, %xmm15<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm14, %xmm16<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm15[0],xmm2[0],xmm15[1],xmm2[1],xmm15[2],xmm2[2],xmm15[3],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm6, %xmm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm11, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm14[0],xmm0[0],xmm14[1],xmm0[1],xmm14[2],xmm0[2],xmm14[3],xmm0[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1,2],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm23, %xmm2<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm3 # 32-byte Reload<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm0 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm3<br>
 ; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm3, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm4 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm4 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm4 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm4, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4],ymm3[5],ymm4[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm14, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm17, %ymm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm14, %ymm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm11, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm14[0,1,2,3,4],ymm3[5],ymm14[6,7]<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm1, %zmm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm27, %xmm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm11, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm10, %xmm1<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm3[0],xmm1[1],xmm3[1],xmm1[2],xmm3[2],xmm1[3],xmm3[3]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm9, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm8, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm14[0],xmm3[0],xmm14[1],xmm3[1],xmm14[2],xmm3[2],xmm14[3],xmm3[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm24, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm0, %zmm0<br>
 ; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm0, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm0, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm10, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm13, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm9, %xmm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm5, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm18<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm27<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm12, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm12, %ymm19<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm2, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm7, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm17<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm13, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm23<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4],ymm1[5],ymm2[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm4, %xmm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm4, %xmm30<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm4, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm6, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm6, %xmm24<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm15<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm14[0,1,2],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm20 # 64-byte Reload<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm20, %zmm14<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm14[0,1],xmm2[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm2 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm6, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm12, %ymm6, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm14[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm17, %ymm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm12, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm12, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm14[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm11, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm10, %xmm1<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm14[0],xmm1[1],xmm14[1],xmm1[2],xmm14[2],xmm1[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm9, %xmm14<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %xmm9, %xmm18<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm0, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm3[0,1],xmm2[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = [1,3,2,3,1,3,5,7]<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm0 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm0, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm23<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm0 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm0, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm21<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm0 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqu %ymm0, (%rsp) # 32-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm0, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm10 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm19 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm10, %ymm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm10, %ymm27<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4],ymm0[5],ymm13[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm9, %zmm0, %zmm12<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm12 {%k1}<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm14, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm2, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm7[0],xmm0[0],xmm7[1],xmm0[1],xmm7[2],xmm0[2],xmm7[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm10, %xmm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm2, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm7[0],xmm1[1],xmm7[1],xmm1[2],xmm7[2],xmm1[3],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm2, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm15, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm15, %xmm29<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm7, %xmm5<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm20<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm7, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm7[0],xmm5[0],xmm7[1],xmm5[1],xmm7[2],xmm5[2],xmm7[3],xmm5[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm5[0],xmm1[1],xmm5[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm1 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm1, %ymm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm22<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm5 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm5, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm26<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm0 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm0, %ymm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm16<br>
-; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm11, %ymm1 # 32-byte Folded Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm1, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm1, %ymm19<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm11[0,1,2,3,4],ymm13[5],ymm11[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm7, %zmm12, %zmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm8, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm8, %xmm16<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm14[0],xmm3[1],xmm14[1],xmm3[2],xmm14[2],xmm3[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512F-FAST-NEXT:    vpsrld $16, %zmm31, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
 ; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm6, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm9, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm0, %xmm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm1, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm7, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm13, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm19<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4],ymm1[5],ymm2[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm15<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm15, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm4, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm4, %xmm17<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm14, %xmm12<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm5, %xmm7<br>
 ; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm12[0,1,2],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm0, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm0, %xmm15<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm15[0],xmm13[0],xmm15[1],xmm13[1],xmm15[2],xmm13[2],xmm15[3],xmm13[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm15 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm4, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm1, %xmm14<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm14[0],xmm0[0],xmm14[1],xmm0[1],xmm14[2],xmm0[2],xmm14[3],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm13[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm8[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm30 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm30, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm5, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm31 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm31, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm5, %ymm13<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm13[0,1,2,3,4,5,6],ymm8[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm3 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm24<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm5, %ymm28<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm14[0,1,2,3,4],ymm13[5],ymm14[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm13[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm8, %zmm0, %zmm0 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm5<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm5, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm10, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm17<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm3, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1,2],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm18<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm29, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm2, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, %xmm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm3, %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm2<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm15, %xmm2, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0],xmm8[1],xmm11[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm8[0,1],xmm7[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm30, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm10, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm31, %ymm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm11, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5,6],ymm8[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm10<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm24, %ymm11<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm10, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm28, %ymm13<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm12, %ymm12<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm7 = ymm7[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm7, %zmm0, %zmm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm12[0,1,2],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vpsrld $24, %zmm20, %zmm12<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm20, %zmm24<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm12, %xmm12<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm12[0,1],xmm2[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm2 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm25, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm4, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm5[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm4, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm6, %ymm5, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm11, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm11, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm1, %xmm10, %xmm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm10, %xmm22<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm4[0],xmm1[1],xmm4[1],xmm1[2],xmm4[2],xmm1[3],xmm4[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm23<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm5<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm3, %xmm5, %xmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm25<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512F-FAST-NEXT:    vpsrld $24, %zmm31, %zmm3<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm31, %zmm27<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
+; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [1,3,2,3,1,3,5,7]<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm2 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm2, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm16<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm12 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm12, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm3 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm3, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm4 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm11, %ymm4, %ymm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm11, %ymm19<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm4, %ymm26<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm6[0,1,2,3,4],ymm2[5],ymm6[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm15, %xmm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm18<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm4, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm6[0],xmm2[0],xmm6[1],xmm2[1],xmm6[2],xmm2[2],xmm6[3],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm14, %xmm6<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm14, %xmm17<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm7, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm31<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm14[0],xmm6[0],xmm14[1],xmm6[1],xmm14[2],xmm6[2],xmm14[3],xmm6[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm6[0,1,2],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm6 = zmm20[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm6, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm6[0,1],xmm2[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm14<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm14 {%k1}<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm2 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm2, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm21<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm29, %ymm0, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm5, %ymm2, %ymm15<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm20<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm15 = ymm15[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vpermd %ymm28, %ymm0, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm2, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa %ymm2, %ymm10<br>
+; AVX512F-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm0, %ymm0 # 32-byte Folded Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm0, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm30<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4],ymm1[5],ymm5[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm15[6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm9, %xmm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa %xmm9, %xmm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm22, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm8, %xmm11<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm11[0],xmm5[0],xmm11[1],xmm5[1],xmm11[2],xmm5[2],xmm11[3],xmm5[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm0, %xmm11<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm0, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm11[0,1,2],xmm5[3]<br>
+; AVX512F-FAST-NEXT:    vpshufd {{.*#+}} zmm11 = zmm27[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm11, %xmm11<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm11[0,1],xmm5[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm14, %zmm0<br>
 ; AVX512F-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm8, %xmm7<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm0, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm29<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm2, %ymm12, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm2, %ymm22<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm9 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm3, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm19<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm2, %ymm11<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm3, %ymm16<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm11[0,1,2,3,4],ymm5[5],ymm11[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm3, %xmm11<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm4, %xmm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm4, %xmm28<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm15<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1,2],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $40, %zmm24, %zmm14<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1],xmm11[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm11, %zmm0, %zmm11<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm11 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm29, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm1, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm14, %ymm4, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm14[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm9, %ymm10, %ymm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm10, %ymm29<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm30, %ymm9<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm9, %ymm15<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm14[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm7, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm7, %xmm30<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm8, %xmm5<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %xmm8, %xmm31<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm6, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm0, %xmm25<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm6, %xmm28<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1],xmm8[2],xmm7[2],xmm8[3],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm9, %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm9, %xmm30<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm6, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm11[0,1,2],xmm7[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm9, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm9, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm14[0],xmm5[1],xmm14[1],xmm5[2],xmm14[2],xmm5[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm4<br>
 ; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm4, %xmm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm4, %xmm24<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm1, %xmm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm1, %xmm20<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm16<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm4, %xmm13<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm17<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $40, %zmm27, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm11, %zmm22<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm4, %ymm0, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm4, %ymm18<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm23<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm12, %ymm5<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm4, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm0, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm11[0,1,2,3,4],ymm5[5],ymm11[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm3, %xmm11<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm3, %xmm19<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm3, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm26<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm6, %xmm15<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm6, %xmm25<br>
 ; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm14[0],xmm12[1],xmm14[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm7 = xmm12[0,1],xmm7[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm7, %zmm0, %zmm7<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm4, %ymm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm9<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm9, %ymm14<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4,5,6],ymm12[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm21 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm1<br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm14 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm14, %ymm14<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm0, %ymm1, %ymm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm0, %ymm16<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1,2],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm24, %zmm14<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1],xmm11[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm11, %zmm0, %zmm11<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm11 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm18, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm2, %ymm1<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm2<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm2, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm14[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm29, %ymm6<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm6, %ymm14<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm9, %ymm15<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm9, %ymm20<br>
 ; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm14 = ymm15[0,1,2,3,4],ymm14[5],ymm15[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm14[0,1,2,3,4,5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm12, %zmm0, %zmm7 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm1, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm0, %xmm5, %xmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm5, %xmm25<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm12[0],xmm0[1],xmm12[1],xmm0[2],xmm12[2],xmm0[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm1, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm8, %xmm5, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm8[0],xmm12[0],xmm8[1],xmm12[1],xmm8[2],xmm12[2],xmm8[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm8[0,1,2],xmm0[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm8<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm8, %xmm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm29, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm12, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm3, %xmm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm3, %xmm23<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm2, %xmm12<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm2, %xmm17<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0],xmm8[1],xmm11[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm8[0,1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm2<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm8 = ymm2[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb {{.*#+}} ymm11 = ymm3[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5,6],ymm8[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm10, %ymm11<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm10, %ymm22<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm16, %ymm10<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm3, %ymm12<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5],ymm8[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm8[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm7, %zmm21<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm14[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm8<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm8, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm3, %xmm5<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm14[0],xmm5[1],xmm14[1],xmm5[2],xmm14[2],xmm5[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm16, %xmm9<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm9, %xmm14<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm10<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm13, %xmm10, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm13[0],xmm14[0],xmm13[1],xmm14[1],xmm13[2],xmm14[2],xmm13[3],xmm14[3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1,2],xmm5[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $48, %zmm27, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm13[0,1],xmm5[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm11, %zmm16<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm23, %ymm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm1, %ymm5<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm12, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm11[0,1,2,3,4,5,6],ymm5[7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm15 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm4, %ymm4<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm0, %ymm11<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm11[0,1,2,3,4],ymm4[5],ymm11[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm19, %xmm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm0, %xmm11<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %xmm28, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm0, %xmm11<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm30, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm0, %xmm12<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm6, %xmm13<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm12[0,1,2],xmm8[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm0, %xmm12<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm26, %xmm0<br>
 ; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm0, %xmm13<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm0<br>
 ; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm0, %xmm14<br>
 ; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm14[0],xmm13[0],xmm14[1],xmm13[1],xmm14[2],xmm13[2],xmm14[3],xmm13[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm24, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm0, %xmm15<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm20, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm0, %xmm0<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm15[0],xmm0[1],xmm15[1],xmm0[2],xmm15[2],xmm0[3],xmm15[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm13[1],xmm0[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm8[2,3]<br>
-; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm4, %ymm8<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm15 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm9, %ymm6<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3,4,5,6],ymm8[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqu (%rsp), %ymm3 # 32-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm3, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{.*#+}} ymm13 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm27, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm3, %ymm3<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4],ymm4[5],ymm3[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5],ymm6[6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm0 {%k1}<br>
-; AVX512F-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm25, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm13[0,1,2],xmm11[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $56, %zmm24, %zmm13<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm13, %xmm13<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm13[0,1],xmm11[2,3]<br>
+; AVX512F-FAST-NEXT:    vinserti32x4 $2, %xmm11, %zmm0, %zmm11<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm11 {%k1}<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm21, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm3, %ymm0, %ymm4<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm7, %ymm2, %ymm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5,6],ymm4[7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm6, %ymm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %ymm20, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpshufb %ymm1, %ymm0, %ymm0<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm2[5],ymm0[6,7]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm8, %xmm2<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %xmm31, %xmm1<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm5, %xmm1, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm9, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm10, %xmm4<br>
 ; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm1, %xmm4<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm11, %xmm5, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0,1,2],xmm3[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm18, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm1, %xmm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm29, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm12, %xmm1, %xmm6<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm23, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm1, %xmm6<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %xmm17, %xmm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %xmm14, %xmm1, %xmm7<br>
-; AVX512F-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm7[0],xmm6[0],xmm7[1],xmm6[1],xmm7[2],xmm6[2],xmm7[3],xmm6[3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0],xmm4[1],xmm6[2,3]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0,1],xmm3[2,3]<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm10, %ymm2, %ymm4<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm26, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm15, %ymm1, %ymm5<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm22, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm8, %ymm1, %ymm2<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %ymm19, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpshufb %ymm13, %ymm1, %ymm1<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm2[5],ymm1[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm0, %zmm0<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm1, (%rsi)<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
+; AVX512F-FAST-NEXT:    vpsrlq $56, %zmm27, %zmm3<br>
+; AVX512F-FAST-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1],xmm2[2,3]<br>
+; AVX512F-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm2[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512F-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm11, %zmm0<br>
+; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
+; AVX512F-FAST-NEXT:    vmovaps %zmm2, (%rsi)<br>
 ; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
 ; AVX512F-FAST-NEXT:    vmovaps %zmm1, (%rdx)<br>
 ; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
@@ -13612,797 +13041,679 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
 ; AVX512F-FAST-NEXT:    vmovaps %zmm1, (%r9)<br>
 ; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
-; AVX512F-FAST-NEXT:    vmovaps %zmm1, (%rax)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm22, (%rax)<br>
 ; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512F-FAST-NEXT:    vmovdqa64 %zmm21, (%rax)<br>
+; AVX512F-FAST-NEXT:    vmovdqa64 %zmm16, (%rax)<br>
 ; AVX512F-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512F-FAST-NEXT:    vmovdqa64 %zmm0, (%rax)<br>
-; AVX512F-FAST-NEXT:    addq $712, %rsp # imm = 0x2C8<br>
+; AVX512F-FAST-NEXT:    addq $440, %rsp # imm = 0x1B8<br>
 ; AVX512F-FAST-NEXT:    vzeroupper<br>
 ; AVX512F-FAST-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-SLOW-LABEL: load_i8_stride8_vf64:<br>
 ; AVX512BW-SLOW:       # %bb.0:<br>
-; AVX512BW-SLOW-NEXT:    subq $760, %rsp # imm = 0x2F8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm20<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm1<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm1, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm2<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 384(%rdi), %zmm3<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 496(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 480(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    subq $744, %rsp # imm = 0x2E8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rdi), %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 128(%rdi), %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm0, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 256(%rdi), %zmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 384(%rdi), %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 496(%rdi), %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm5, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm5, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 480(%rdi), %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm6, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm25<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 464(%rdi), %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 464(%rdi), %xmm6<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm19 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 448(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm14<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm6, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 448(%rdi), %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm6, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm6, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm8[0],xmm5[0],xmm8[1],xmm5[1],xmm8[2],xmm5[2],xmm8[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa 384(%rdi), %ymm5<br>
 ; AVX512BW-SLOW-NEXT:    vpmovqb %ymm5, %xmm5<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm3[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 368(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm25<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 352(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 336(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm7<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 320(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm24<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1],xmm8[2],xmm7[2],xmm8[3],xmm7[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm7[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm5[0,1,2,3,4],ymm2[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm10 = ymm2[0,1,2,3,4,5],ymm4[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 368(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm2, %xmm31<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 352(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm2, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm2, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm8[0],xmm5[0],xmm8[1],xmm5[1],xmm8[2],xmm5[2],xmm8[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 336(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm2, %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 320(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm2, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm11 = xmm12[0,1,2],xmm11[3]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm1, %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %zmm1, %zmm6<br>
+; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm11 = xmm12[0,1],xmm11[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm11, %zmm0, %zmm20<br>
 ; AVX512BW-SLOW-NEXT:    movb $-64, %al<br>
 ; AVX512BW-SLOW-NEXT:    kmovd %eax, %k1<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm4, %zmm0, %zmm2 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm7<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm8[0],xmm5[0],xmm8[1],xmm5[1],xmm8[2],xmm5[2],xmm8[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm28<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm10, %zmm0, %zmm20 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 240(%rdi), %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm1, %xmm11<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm1, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 224(%rdi), %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm1, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm1, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm11, %ymm0, %ymm11<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 208(%rdi), %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm1, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm1, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm29<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm18[0],xmm13[0],xmm18[1],xmm13[1],xmm18[2],xmm13[2],xmm18[3],xmm13[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm11 = ymm13[0,1,2,3,4,5,6],ymm11[7]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm13<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %ymm13, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm13, %ymm0, %ymm13<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4],ymm0[5],ymm13[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm0[0,1,2,3,4,5],ymm11[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 112(%rdi), %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm0, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm23<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, (%rsp) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 192(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm0, %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm27<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm15[0],xmm8[0],xmm15[1],xmm8[1],xmm15[2],xmm8[2],xmm15[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm8[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %ymm8<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %ymm8, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm8[0,1,2,3,4],ymm1[5],ymm8[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 112(%rdi), %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm16, %xmm15<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa 96(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm13, %xmm0, %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm18<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm13[0],xmm15[0],xmm13[1],xmm15[1],xmm13[2],xmm15[2],xmm13[3],xmm15[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm3, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm3, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 64(%rdi), %xmm30<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm30, %xmm19<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm19[0],xmm21[0],xmm19[1],xmm21[1],xmm19[2],xmm21[2],xmm19[3],xmm21[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpmovqb %zmm20, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm15, %xmm0, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm15[0],xmm18[0],xmm15[1],xmm18[1],xmm15[2],xmm18[2],xmm15[3],xmm18[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 80(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm2, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm2, %xmm21<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 64(%rdi), %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm19, %xmm2, %xmm19<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm2, %xmm15<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm19[0],xmm21[0],xmm19[1],xmm21[1],xmm19[2],xmm21[2],xmm19[3],xmm21[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm20, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 160(%rdi), %xmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa 384(%rdi), %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 400(%rdi), %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 416(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 432(%rdi), %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm13, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm29 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm9, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm20<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm10, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 400(%rdi), %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 416(%rdi), %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 432(%rdi), %xmm16<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm25, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm25, %xmm2<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm22, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm14, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm21 = xmm22[0],xmm21[0],xmm22[1],xmm21[1],xmm22[2],xmm21[2],xmm22[3],xmm21[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm21, %ymm0, %ymm3<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm21 = xmm22[0],xmm21[0],xmm22[1],xmm21[1],xmm22[2],xmm21[2],xmm22[3],xmm21[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm21, %ymm0, %ymm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm21 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm15, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm15, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm4, %xmm23<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm4, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm22 = xmm23[0],xmm22[0],xmm23[1],xmm22[1],xmm23[2],xmm22[2],xmm23[3],xmm22[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm22, %ymm0, %ymm4<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4],ymm0[5],ymm4[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm0[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm25, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm11, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm19<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm24, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm26, %xmm25<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm24 = xmm25[0],xmm24[0],xmm25[1],xmm24[1],xmm25[2],xmm24[2],xmm25[3],xmm24[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm24, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm27 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm27, %xmm16, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm16, %xmm22<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm27, %xmm13, %xmm25<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm24 = xmm25[0],xmm24[0],xmm25[1],xmm24[1],xmm25[2],xmm24[2],xmm25[3],xmm24[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm24, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm30 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm12, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm12, %xmm28<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm4, %xmm25<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm24 = xmm25[0],xmm24[0],xmm25[1],xmm24[1],xmm25[2],xmm24[2],xmm25[3],xmm24[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm24, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4],ymm3[5],ymm4[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm31, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm13<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm9, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm9, %xmm4<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm6, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm6, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm24, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm22[0],xmm4[0],xmm22[1],xmm4[1],xmm22[2],xmm4[2],xmm22[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm4[0,1,2],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 304(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm23<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 288(%rdi), %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm24<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm0, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm24[0],xmm23[0],xmm24[1],xmm23[1],xmm24[2],xmm23[2],xmm24[3],xmm23[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 272(%rdi), %xmm24<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm24, %xmm23<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 256(%rdi), %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm3, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm3, %xmm25<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm25[0],xmm23[0],xmm25[1],xmm23[1],xmm25[2],xmm23[2],xmm25[3],xmm23[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm6[0],xmm0[1],xmm6[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm4[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm3<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm3 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm7, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm7, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm17, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm28, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm19<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm27, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm27, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm9, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm24[0],xmm4[0],xmm24[1],xmm4[1],xmm24[2],xmm4[2],xmm24[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0,1,2],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlw $8, %zmm6, %zmm4<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm4, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0,1],xmm3[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm3, %zmm0, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm3 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm8, %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm14, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm14, %xmm16<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm20<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm17, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm29, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm29, %xmm31<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm24[0],xmm4[0],xmm24[1],xmm4[1],xmm24[2],xmm4[2],xmm24[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 176(%rdi), %xmm25<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5,6],ymm4[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 160(%rdi), %xmm25<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 176(%rdi), %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm5, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm5, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm25, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm27, %xmm25, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm27, %xmm0, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm24[0],xmm4[0],xmm24[1],xmm4[1],xmm24[2],xmm4[2],xmm24[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 128(%rdi), %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 144(%rdi), %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm6, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm0, %xmm31<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm31[0],xmm6[0],xmm31[1],xmm6[1],xmm31[2],xmm6[2],xmm31[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4],ymm5[5],ymm6[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4,5],ymm4[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm16, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm16, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm29, %xmm18, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm30, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm30, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm6[0],xmm2[1],xmm6[1],xmm2[2],xmm6[2],xmm2[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm2[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 32(%rdi), %xmm14<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 48(%rdi), %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm14, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm14, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm1[0],xmm6[0],xmm1[1],xmm6[1],xmm1[2],xmm6[2],xmm1[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa 16(%rdi), %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm13, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm13, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm1, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm1, %xmm23<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa %xmm1, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm21[0],xmm0[0],xmm21[1],xmm0[1],xmm21[2],xmm0[2],xmm21[3],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm6[1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm0, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm8, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm8, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm8, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm30[0],xmm0[0],xmm30[1],xmm0[1],xmm30[2],xmm0[2],xmm30[3],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm4[5],ymm0[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm23, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm14, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1],xmm4[2],xmm1[2],xmm4[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm21 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm21, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm15 # 64-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpsrlw $8, %zmm15, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm3, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm20, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm20, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm28 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm28, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm20 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm20, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm27 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm27, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm0, %xmm6<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm0 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm0, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm21[0],xmm6[0],xmm21[1],xmm6[1],xmm21[2],xmm6[2],xmm21[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm21 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm15, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm10, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm17[0],xmm0[0],xmm17[1],xmm0[1],xmm17[2],xmm0[2],xmm17[3],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm6[5],ymm0[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm0, %xmm2<br>
 ; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm15, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm6[0],xmm3[0],xmm6[1],xmm3[1],xmm6[2],xmm3[2],xmm6[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm9, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm17[0],xmm6[0],xmm17[1],xmm6[1],xmm17[2],xmm6[2],xmm17[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm6[0,1,2],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm2, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm22, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm17[0],xmm6[0],xmm17[1],xmm6[1],xmm17[2],xmm6[2],xmm17[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm24, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm26 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm26, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm18[0],xmm17[0],xmm18[1],xmm17[1],xmm18[2],xmm17[2],xmm18[3],xmm17[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm9[0],xmm6[1],xmm9[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm6[0,1],xmm3[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm3, %zmm0, %zmm3<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm3 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm6[0],xmm0[0],xmm6[1],xmm0[1],xmm6[2],xmm0[2],xmm6[3],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa (%rsp), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm19, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm22 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm22, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm29<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm25, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm25, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm31 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm31, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm25 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm25, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm17[0],xmm9[0],xmm17[1],xmm9[1],xmm17[2],xmm9[2],xmm17[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm9[0,1,2,3,4],ymm6[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm16, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm6[0],xmm1[1],xmm6[1],xmm1[2],xmm6[2],xmm1[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm19 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm19, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm30, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm6[0],xmm4[1],xmm6[1],xmm4[2],xmm6[2],xmm4[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1,2],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm30<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm14, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm26, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm26, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm26, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm13, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm21, %xmm23, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm5[0],xmm4[1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1],xmm1[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm22, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm23<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm18, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm22<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm30[0],xmm5[0],xmm30[1],xmm5[1],xmm30[2],xmm5[2],xmm30[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm30 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm28, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm10<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm28, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm18 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm18, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm26[0],xmm0[0],xmm26[1],xmm0[1],xmm26[2],xmm0[2],xmm26[3],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4],ymm5[5],ymm0[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm29<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm13, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm13, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm7, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm7, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm5[0],xmm2[0],xmm5[1],xmm2[1],xmm5[2],xmm2[2],xmm5[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm27<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1,2],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm13 # 64-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $16, %zmm13, %zmm5<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm5, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm2 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm12, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm16, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm16, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm5[0],xmm0[0],xmm5[1],xmm0[1],xmm5[2],xmm0[2],xmm5[3],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm20, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm31, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm0, %ymm0, %ymm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm5[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm5, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm30, %xmm24, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa (%rsp), %xmm11 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm11, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm14, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm4[0],xmm1[1],xmm4[1],xmm1[2],xmm4[2],xmm1[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm21, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm17, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm28<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm17, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %zmm15, %zmm9<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $16, %zmm15, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm3, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm28, %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm28, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm14, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm3<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm20, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm20<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm27, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm5<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm28 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm28, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm27 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm27, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm13, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm17[0],xmm9[0],xmm17[1],xmm9[1],xmm17[2],xmm9[2],xmm17[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm23, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm23, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm22, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm22, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm26 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm10, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm18, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm30[0],xmm2[1],xmm30[1],xmm2[2],xmm30[2],xmm2[3],xmm30[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4],ymm5[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm10, %xmm21<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm23 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm17[0],xmm9[0],xmm17[1],xmm9[1],xmm17[2],xmm9[2],xmm17[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm2[0,1,2,3,4],ymm5[5],ymm2[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm29, %xmm2<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm10 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm10, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm17[0],xmm9[0],xmm17[1],xmm9[1],xmm17[2],xmm9[2],xmm17[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm24, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm26, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm18[0],xmm17[0],xmm18[1],xmm17[1],xmm18[2],xmm17[2],xmm18[3],xmm17[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm5 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm18 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm18, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm5[0],xmm2[0],xmm5[1],xmm2[1],xmm5[2],xmm2[2],xmm5[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm17 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm17, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm12<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm27, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm30[0],xmm5[0],xmm30[1],xmm5[1],xmm30[2],xmm5[2],xmm30[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1,2],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $24, %zmm13, %zmm5<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm5, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm2 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm7, %xmm24<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm16, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm31, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm31, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm31, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm30[0],xmm5[0],xmm30[1],xmm5[1],xmm30[2],xmm5[2],xmm30[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm22, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm29, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm25, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm19, %xmm29<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm19 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm9[0],xmm3[1],xmm9[1],xmm3[2],xmm9[2],xmm3[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm6, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm29 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm29, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm27 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm27, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm11, %xmm16<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm20 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm20, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm21, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm28, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm30, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm26 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm26, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm31 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm7, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrld $24, %zmm9, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm16, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm14, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm14, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa %xmm15, %xmm14<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm19, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm19, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm5<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm28, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm27, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm27, %xmm28<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm14, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm13, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm23, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm22, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{.*#+}} xmm26 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm31 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm31, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm18, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm30[0],xmm3[1],xmm30[1],xmm3[2],xmm30[2],xmm3[3],xmm30[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4],ymm5[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm21, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm27<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm21 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm21, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm23, %xmm22<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm15, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm7, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm12<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm24, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm24, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm14, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm5 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm18, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm24 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rsp), %xmm20 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm23 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4],ymm5[5],ymm3[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm9, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm17, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm30[0],xmm5[0],xmm30[1],xmm5[1],xmm30[2],xmm5[2],xmm30[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm5[0,1,2],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufd {{.*#+}} zmm5 = zmm13[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm5, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm5[0,1],xmm3[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm3, %zmm0, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm3 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm28 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm28, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm22 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm22, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm7, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm30[0],xmm5[0],xmm30[1],xmm5[1],xmm30[2],xmm5[2],xmm30[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm15, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm18 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm18, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm25, %xmm13<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm25, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm25 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm29, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm9[0],xmm3[1],xmm9[1],xmm3[2],xmm9[2],xmm3[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm30, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm26, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm26 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm26, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm29, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm26, %xmm27, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm11, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm20, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm4[0],xmm0[1],xmm4[1],xmm0[2],xmm4[2],xmm0[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm21, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm23 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm23, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm4[0],xmm2[1],xmm4[1],xmm2[2],xmm4[2],xmm2[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufd $245, {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Folded Reload<br>
+; AVX512BW-SLOW-NEXT:    # zmm2 = mem[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm3, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm29 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm29, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm16, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm2, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm28, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm28 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm28, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm16 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm16, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4],ymm5[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm27, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm21, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm21, %xmm27<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm22, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm21 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm21, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm7, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm12, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm14, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm5 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm20, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm14, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm19, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm15, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm19<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm15, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm15, %xmm20<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm18, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm24<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm13, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm13, %xmm18<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm8, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm25, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm25 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm25, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm9[0],xmm3[1],xmm9[1],xmm3[2],xmm9[2],xmm3[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm30, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm26, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm31, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm18, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm26 = xmm30[0],xmm26[0],xmm30[1],xmm26[1],xmm30[2],xmm26[2],xmm30[3],xmm26[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm26, %ymm0, %ymm6<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4],ymm4[5],ymm6[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm9, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm6<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm17, %xmm11<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm17, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm26[0],xmm6[0],xmm26[1],xmm6[1],xmm26[2],xmm6[2],xmm26[3],xmm6[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0,1,2],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $40, %zmm13, %zmm6<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm6, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0,1],xmm4[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm4 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm24, %xmm17<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm24, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm28, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm6[0],xmm1[0],xmm6[1],xmm1[1],xmm6[2],xmm1[2],xmm6[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm22, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm24 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm24, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm26[0],xmm6[0],xmm26[1],xmm6[1],xmm26[2],xmm6[2],xmm26[3],xmm6[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm6[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm25, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm9 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm6[0],xmm3[1],xmm6[1],xmm3[2],xmm6[2],xmm3[3],xmm6[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm29, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm27, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1],xmm5[2],xmm6[2],xmm5[3],xmm6[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm16, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm20, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm21, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm23, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %zmm14 # 64-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $40, %zmm14, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
 ; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm29, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm12 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm12, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm4 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm4, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm1, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm15, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm23 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm23, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm19, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm13, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm11, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm8, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm7, %xmm6<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm28, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm16, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm18, %xmm30<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm31<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm26 = xmm30[0],xmm26[0],xmm30[1],xmm26[1],xmm30[2],xmm26[2],xmm30[3],xmm26[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4],ymm5[5],ymm9[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm29 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm29, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm27, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm22, %xmm15<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm22, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm2, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1,2],xmm5[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm21, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm22 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm22, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm28 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm28, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm14, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm9 = xmm10[0],xmm9[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1],xmm5[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm5 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm7, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm2, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 (%rsp), %xmm21 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm21, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $1, %xmm26, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3,4],ymm5[5],ymm4[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm4[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm30 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm30, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm10, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm11, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm12, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm5[0,1,2],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $48, %zmm13, %zmm5<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm5, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm4 = xmm5[0,1],xmm4[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm4 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm17, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm28, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm5[0],xmm1[0],xmm5[1],xmm1[1],xmm5[2],xmm1[2],xmm5[3],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm22, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm24, %xmm26<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm26[0],xmm5[0],xmm26[1],xmm5[1],xmm26[2],xmm5[2],xmm26[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm1, %ymm0, %ymm1<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm7, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm20, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm24, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm18, %xmm17<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm18, %xmm20<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm17[0],xmm10[0],xmm17[1],xmm10[1],xmm17[2],xmm10[2],xmm17[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm9, %ymm0, %ymm9<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm17 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm17, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm18 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm18, %xmm0<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm25, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm9[0],xmm3[1],xmm9[1],xmm3[2],xmm9[2],xmm3[3],xmm9[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1,2],xmm0[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm30, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm26, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm6[0],xmm4[0],xmm6[1],xmm4[1],xmm6[2],xmm4[2],xmm6[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm3[0,1],xmm0[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm5, %zmm0<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm12, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm5, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm6 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm6, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm25, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm9, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 %xmm9, %xmm18<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm5[0],xmm3[1],xmm5[1],xmm3[2],xmm5[2],xmm3[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm29, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm27, %xmm6<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
 ; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm13, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm11, %xmm9<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm9 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm8, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm16, %xmm16<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm16[0],xmm10[0],xmm16[1],xmm10[1],xmm16[2],xmm10[2],xmm16[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm6 = ymm10[0,1,2,3,4],ymm6[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm6[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm29, %xmm6<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm27, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm10[0],xmm6[0],xmm10[1],xmm6[1],xmm10[2],xmm6[2],xmm10[3],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm15, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm10[0,1,2],xmm6[3]<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm8, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm22, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm10[0],xmm8[0],xmm10[1],xmm8[1],xmm10[2],xmm8[2],xmm10[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm28, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm14, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm8 = xmm10[0],xmm8[1],xmm10[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm6 = xmm8[0,1],xmm6[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm6, %zmm0, %zmm6<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm6 {%k1}<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm3, %xmm3<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm2, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm8[0],xmm3[0],xmm8[1],xmm3[1],xmm8[2],xmm3[2],xmm8[3],xmm3[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm21, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm23, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm10[0],xmm8[0],xmm10[1],xmm8[1],xmm10[2],xmm8[2],xmm10[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm3, %ymm0, %ymm3<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm8[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm7, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm2, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm10[0],xmm8[0],xmm10[1],xmm8[1],xmm10[2],xmm8[2],xmm10[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm24, %xmm10<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm20, %xmm11<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm8, %ymm0, %ymm8<br>
-; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm10, %ymm0, %ymm10<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm8 = ymm10[0,1,2,3,4],ymm8[5],ymm10[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm8[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm17, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm18, %xmm1<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm8[0],xmm1[1],xmm8[1],xmm1[2],xmm8[2],xmm1[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm8<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm19, %xmm4<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm8[0],xmm4[1],xmm8[1],xmm4[2],xmm8[2],xmm4[3],xmm8[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1,2],xmm1[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm30, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm3[0,1,2,3,4,5],ymm1[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm16, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm0, %xmm20, %xmm0<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm3[0],xmm0[1],xmm3[1],xmm0[2],xmm3[2],xmm0[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm21, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm26 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm2, %xmm26, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $48, %zmm14, %zmm2<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm1[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm5, %xmm2, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm2, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm15, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm23, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm19, %xmm5<br>
 ; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm31, %xmm2<br>
-; AVX512BW-SLOW-NEXT:    vpshufb %xmm9, %xmm26, %xmm5<br>
-; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm5[0],xmm2[0],xmm5[1],xmm2[1],xmm5[2],xmm2[2],xmm5[3],xmm2[3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0],xmm4[1],xmm2[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm1, %zmm6, %zmm1<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm8, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm7, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{.*#+}} xmm6 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-SLOW-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm7, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm31, %xmm9<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm9[0],xmm7[0],xmm9[1],xmm7[1],xmm9[2],xmm7[2],xmm9[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm5, %ymm0, %ymm5<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm5 = ymm7[0,1,2,3,4],ymm5[5],ymm7[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm5[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm30, %xmm5<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm10, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm7[0],xmm5[0],xmm7[1],xmm5[1],xmm7[2],xmm5[2],xmm7[3],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm11, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm12, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1],xmm8[2],xmm7[2],xmm8[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm7[0,1,2],xmm5[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $56, %zmm13, %zmm7<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm7, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm5 = xmm7[0,1],xmm5[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm5<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $1, %ymm2, %zmm0, %zmm5 {%k1}<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm17, %xmm2<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm28, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm7[0],xmm2[0],xmm7[1],xmm2[1],xmm7[2],xmm2[2],xmm7[3],xmm2[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm22, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm24, %xmm8<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm7 = xmm8[0],xmm7[0],xmm8[1],xmm7[1],xmm8[2],xmm7[2],xmm8[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm2, %ymm0, %ymm2<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm7, %ymm0, %ymm7<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm7[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm25, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm4, %xmm18, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm7[0],xmm4[1],xmm7[1],xmm4[2],xmm7[2],xmm4[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm29, %xmm7<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm6, %xmm27, %xmm6<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1],xmm6[2],xmm7[2],xmm6[3],xmm7[3]<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm4, %ymm0, %ymm4<br>
+; AVX512BW-SLOW-NEXT:    vinserti128 $1, %xmm6, %ymm0, %ymm6<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm4 = ymm6[0,1,2,3,4],ymm4[5],ymm6[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm2 = ymm4[0,1,2,3,4,5],ymm2[6,7]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm16, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm1, %xmm20, %xmm1<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm4[0],xmm1[1],xmm4[1],xmm1[2],xmm4[2],xmm1[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm21, %xmm4<br>
+; AVX512BW-SLOW-NEXT:    vpshufb %xmm3, %xmm26, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1],xmm3[2],xmm4[2],xmm3[3],xmm4[3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
+; AVX512BW-SLOW-NEXT:    vpsrlq $56, %zmm14, %zmm3<br>
+; AVX512BW-SLOW-NEXT:    vpmovqb %zmm3, %xmm3<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512BW-SLOW-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
+; AVX512BW-SLOW-NEXT:    vinserti64x4 $0, %ymm1, %zmm5, %zmm1<br>
 ; AVX512BW-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
 ; AVX512BW-SLOW-NEXT:    vmovaps %zmm2, (%rsi)<br>
 ; AVX512BW-SLOW-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
@@ -14420,638 +13731,441 @@ define void @load_i8_stride8_vf64(ptr %in.vec, ptr %out.vec0, ptr %out.vec1, ptr<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa64 %zmm0, (%rax)<br>
 ; AVX512BW-SLOW-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
 ; AVX512BW-SLOW-NEXT:    vmovdqa64 %zmm1, (%rax)<br>
-; AVX512BW-SLOW-NEXT:    addq $760, %rsp # imm = 0x2F8<br>
+; AVX512BW-SLOW-NEXT:    addq $744, %rsp # imm = 0x2E8<br>
 ; AVX512BW-SLOW-NEXT:    vzeroupper<br>
 ; AVX512BW-SLOW-NEXT:    retq<br>
 ;<br>
 ; AVX512BW-FAST-LABEL: load_i8_stride8_vf64:<br>
 ; AVX512BW-FAST:       # %bb.0:<br>
-; AVX512BW-FAST-NEXT:    subq $888, %rsp # imm = 0x378<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm0<br>
+; AVX512BW-FAST-NEXT:    subq $328, %rsp # imm = 0x148<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 256(%rdi), %zmm4<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = [0,2,2,3,0,2,4,6]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = [0,2,2,3,0,2,4,6]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 480(%rdi), %ymm1<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm1, %ymm5, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm3, %ymm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm3, %ymm24<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm2, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm30<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm30, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm2, %ymm9<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 448(%rdi), %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm2, %ymm5, %ymm4<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm4, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm4, %ymm21<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm4, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm3, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, (%rsp) # 32-byte Spill<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm31<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm31, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm3, %ymm11<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5,6],ymm1[7]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
 ; AVX512BW-FAST-NEXT:    vmovdqa 416(%rdi), %ymm2<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm2, %ymm5, %ymm19<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm19, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm3, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa 384(%rdi), %ymm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm3, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm3, %ymm5, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm4, %ymm6, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm6, %ymm30<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm4, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm17<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm17, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm3, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 384(%rdi), %ymm28<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm28, %ymm0, %ymm14<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm14, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm10<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,u,u,0,8,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa 368(%rdi), %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm3, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm3, %xmm15<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm3, (%rsp) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 352(%rdi), %xmm18<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm18, %xmm3<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 368(%rdi), %xmm20<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm20, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 352(%rdi), %xmm19<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm19, %xmm3<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 336(%rdi), %xmm25<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm25, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 320(%rdi), %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm4, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm4, %xmm29<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm6[0],xmm3[0],xmm6[1],xmm3[1],xmm6[2],xmm3[2],xmm6[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0,1,2],xmm2[3]<br>
-; AVX512BW-FAST-NEXT:    vpmovqb %zmm0, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm2[2,3]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm10<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm24 = <u,u,u,u,0,8,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 336(%rdi), %xmm18<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm18, %xmm5<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 320(%rdi), %xmm29<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm29, %xmm6<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1,2],xmm2[3]<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm4, %xmm5<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm21<br>
 ; AVX512BW-FAST-NEXT:    movb $-64, %al<br>
 ; AVX512BW-FAST-NEXT:    kmovd %eax, %k1<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm10 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 224(%rdi), %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm0, %ymm5, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm0, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 192(%rdi), %ymm1<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm21 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 224(%rdi), %ymm1<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm1, %ymm5, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm16<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm9, %ymm16, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 192(%rdi), %ymm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm2, %ymm0, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm11, %ymm3, %ymm5<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 160(%rdi), %ymm1<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu %ymm1, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm12, %ymm1, %ymm1<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 160(%rdi), %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm0, %ymm5, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm13, %ymm0, %ymm8<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm0, %ymm20<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 128(%rdi), %ymm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpermd %ymm0, %ymm5, %ymm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm11, %ymm0, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm0, %ymm26<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4],ymm8[5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm5[0,1,2,3,4,5],ymm6[6,7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 112(%rdi), %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm4, %xmm8<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 96(%rdi), %xmm28<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm28, %xmm7<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm7[0],xmm8[0],xmm7[1],xmm8[1],xmm7[2],xmm8[2],xmm7[3],xmm8[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 80(%rdi), %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm0, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm0, %xmm7<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 64(%rdi), %xmm27<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm27, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm9[0],xmm13[0],xmm9[1],xmm13[1],xmm9[2],xmm13[2],xmm9[3],xmm13[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm9[0,1,2],xmm12[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 (%rdi), %zmm12<br>
-; AVX512BW-FAST-NEXT:    vpmovqb %zmm12, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm12[0,1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3],ymm11[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm9, %zmm10, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm1, %ymm0, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm2, %ymm6<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 128(%rdi), %ymm27<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm27, %ymm0, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm10, %ymm1, %ymm9<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm9[0,1,2,3,4],ymm6[5],ymm9[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm6[0,1,2,3,4,5],ymm5[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 112(%rdi), %xmm25<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm25, %xmm9<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 96(%rdi), %xmm23<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm7, %xmm23, %xmm7<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm7[0],xmm9[0],xmm7[1],xmm9[1],xmm7[2],xmm9[2],xmm7[3],xmm9[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 80(%rdi), %xmm22<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm22, %xmm26<br>
+; AVX512BW-FAST-NEXT:    vmovdqa 64(%rdi), %xmm9<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm9, %xmm24<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm24[0],xmm26[0],xmm24[1],xmm26[1],xmm24[2],xmm26[2],xmm24[3],xmm26[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm15 = xmm15[0,1,2],xmm10[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 (%rdi), %zmm10<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm10, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm13 = xmm13[0,1],xmm15[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm21, %zmm0<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm16 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm15, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm18, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm18, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm15 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm15, %xmm25, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm25, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm15, %xmm29, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm29, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm29, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm10[0,1,2],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm17 = <u,u,1,9,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 304(%rdi), %xmm23<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm17, %xmm23, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 288(%rdi), %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm17, %xmm5, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <1,9,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa 272(%rdi), %xmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm0, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 256(%rdi), %xmm22<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm22, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm22, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm31[0],xmm0[0],xmm31[1],xmm0[1],xmm31[2],xmm0[2],xmm31[3],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm13[1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm11 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm24, %ymm8<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 %ymm24, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm11, %ymm24, %ymm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm24 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm21, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm13[0,1,2,3,4,5,6],ymm1[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm21 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 %ymm19, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm19, %ymm13<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm30, %ymm29<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 %ymm30, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm30, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm9[0,1,2,3,4],ymm13[5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm9[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm0 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm4, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm16, %xmm28, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm9[0],xmm1[0],xmm9[1],xmm1[1],xmm9[2],xmm1[2],xmm9[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm7, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm7, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm15, %xmm7, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm15, %xmm27, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm13[0],xmm9[0],xmm13[1],xmm9[1],xmm13[2],xmm9[2],xmm13[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm9[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 32(%rdi), %xmm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa 48(%rdi), %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm17, %xmm13, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm13, %xmm16<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm17, %xmm10, %xmm15<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm10, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm15[0],xmm9[0],xmm15[1],xmm9[1],xmm15[2],xmm9[2],xmm15[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 (%rdi), %xmm17<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 16(%rdi), %xmm30<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm30, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm17, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm31[0],xmm2[1],xmm31[1],xmm2[2],xmm31[2],xmm2[3],xmm31[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm2[0],xmm9[1],xmm2[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm7 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm11, %ymm7, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm11 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm11, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm9[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm20, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm3, %ymm26, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm9[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm0, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm30, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm8, %ymm5<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm31, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm8, %ymm7<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm17, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm8, %ymm6<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm14, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm13 = ymm15[0,1,2,3,4],ymm13[5],ymm15[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm13[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,u,u,1,9,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm20, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm19, %xmm24<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm24[0],xmm15[0],xmm24[1],xmm15[1],xmm24[2],xmm15[2],xmm24[3],xmm15[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm24 = <u,u,u,u,1,9,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm18, %xmm26<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm29, %xmm21<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm21[0],xmm26[0],xmm21[1],xmm26[1],xmm21[2],xmm26[2],xmm21[3],xmm26[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm12[0,1,2],xmm15[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlw $8, %zmm4, %zmm15<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm15, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm15[0,1],xmm12[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm12, %zmm0, %zmm12<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm12 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm16, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm3, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm15[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm2, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm1, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm11[0,1,2,3,4],ymm15[5],ymm11[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm11[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm25, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm23, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm22, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm24, %xmm9, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm13 = xmm15[0],xmm13[0],xmm15[1],xmm13[1],xmm15[2],xmm13[2],xmm15[3],xmm13[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm13[0,1,2],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlw $8, %zmm10, %zmm13<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm13, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm13[0,1],xmm11[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm11[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm12, %zmm0<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 (%rsp), %xmm24 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm24, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm18, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm25, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm6, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm9[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,2,10,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm23, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm5, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm5, %xmm26<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm31[0],xmm10[0],xmm31[1],xmm10[1],xmm31[2],xmm10[2],xmm31[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm31 = <2,10,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm31, %xmm14, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm31, %xmm22, %xmm25<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm25[0],xmm0[0],xmm25[1],xmm0[1],xmm25[2],xmm0[2],xmm25[3],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0],xmm10[1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm8, %ymm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm30, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm6<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm15 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm15, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm5, %ymm25<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm10[0,1,2,3,4,5,6],ymm1[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm31, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm7<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm11[0,1,2,3,4,5,6],ymm0[7]<br>
 ; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm19, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm5, %ymm21<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm29, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm5[0,1,2,3,4],ymm10[5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm5[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm0, %zmm0, %zmm0<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm0 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm4, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm4, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm28, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm12, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm27, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm27, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1],xmm2[2],xmm3[2],xmm2[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm16, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm13, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm13, %xmm18<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm13, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm31, %xmm30, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm30, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm31, %xmm17, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm7, %ymm20<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm7, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm11, %ymm19<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm25, %ymm11, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %ymm22 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm21, %ymm22, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %ymm21 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm21, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm5[0,1,2,3,4],ymm3[5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm0, %zmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm24, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm24, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm11 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm11, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm8 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm8, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm7, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm3 = <u,u,3,11,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm23, %xmm13<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm23, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm26, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm26, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm26, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm25 = <3,11,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm14, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm25, %xmm14, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm14 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm25, %xmm14, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0],xmm5[1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm5[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm29 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm5 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm29, %ymm5, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm26 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm15, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm9 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm10, %ymm9, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm10, %ymm24<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm23 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm10 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm10, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm1, %zmm0, %zmm1<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm1 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm4, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm28, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm5[0],xmm0[1],xmm5[1],xmm0[2],xmm5[2],xmm0[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm15, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm2, %xmm27, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm2[0],xmm5[0],xmm2[1],xmm5[1],xmm2[2],xmm5[2],xmm2[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm16, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm16, %xmm27<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm3, %xmm18, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm25, %xmm30, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm25, %xmm17, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm5[0],xmm3[0],xmm5[1],xmm3[1],xmm5[2],xmm3[2],xmm5[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm3[0],xmm2[1],xmm3[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm2[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm29, %ymm20, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm26, %ymm19, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm24, %ymm22, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm21, %ymm4<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4],ymm3[5],ymm4[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4,5],ymm2[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm2[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm1, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm17, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm14, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm11[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,u,u,2,10,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm20, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm19, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,2,10,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm18, %xmm26<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm18, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm29, %xmm21<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm21[0],xmm15[0],xmm21[1],xmm15[1],xmm21[2],xmm15[2],xmm21[3],xmm15[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm15[0,1,2],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $16, %zmm4, %zmm15<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm15, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm15[0,1],xmm12[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm12, %zmm0, %zmm12<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm12 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm16, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm3, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm15[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm2, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm1, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4],ymm15[5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm25, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm23, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm22, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm9, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $16, %zmm10, %zmm11<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm11, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm12, %zmm0<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm19 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm6, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm11, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm1[0],xmm0[0],xmm1[1],xmm0[1],xmm1[2],xmm0[2],xmm1[3],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm8, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm7, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm7, %xmm8<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm1[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,4,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm13, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm13, %xmm24<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm12, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm30, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa %ymm5, %ymm6<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm5 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm31, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm31 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm17, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm30 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm14, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4],ymm8[5],ymm11[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm8 = <u,u,u,u,u,u,3,11,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm20, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm19, %xmm24<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm19, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm12 = <u,u,u,u,3,11,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm18, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm29, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm14 = xmm15[0],xmm14[0],xmm15[1],xmm14[1],xmm15[2],xmm14[2],xmm15[3],xmm14[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1,2],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $24, %zmm4, %zmm14<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm4, %zmm17<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm14, %xmm14<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm11 = xmm14[0,1],xmm11[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm11, %zmm0, %zmm11<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm11 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm16, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm5, %ymm3, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm2, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm1, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4],ymm2[5],ymm1[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm25, %xmm1<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm8, %xmm23, %xmm2<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm2[0],xmm1[0],xmm2[1],xmm1[1],xmm2[2],xmm1[2],xmm2[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <4,12,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm31, %xmm26<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm31, %xmm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm14, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm14, %xmm3<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm22, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm12, %xmm9, %xmm3<br>
 ; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm3[0],xmm2[0],xmm3[1],xmm2[1],xmm3[2],xmm2[2],xmm3[3],xmm2[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0],xmm1[1],xmm2[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm14 = xmm1[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm18 = [1,3,2,3,1,3,5,7]<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm0 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm16 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm0, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa %ymm0, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm0, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm23 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm16, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm3[0,1,2,3,4,5,6],ymm2[7]<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm29 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm20 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm31 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm29, %ymm4<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm20, %ymm11<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm11[0,1,2,3,4],ymm4[5],ymm11[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm4[0,1,2,3,4,5],ymm0[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm14, %zmm0, %zmm4<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm4 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm22 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm22, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm28, %xmm21<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm19, %xmm28, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm11[0],xmm0[0],xmm11[1],xmm0[1],xmm11[2],xmm0[2],xmm11[3],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm15, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm15 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm15, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm11[0],xmm5[1],xmm11[1],xmm5[2],xmm11[2],xmm5[3],xmm11[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm27, %xmm30<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm27, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm2 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm2, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm2, %xmm25<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm3, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm17, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0],xmm5[1],xmm9[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm2 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm2, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm2 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm23, %ymm2, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm2 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm18, %ymm7 # 32-byte Folded Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm2, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm2, %ymm27<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm2, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm7, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm7, %ymm28<br>
-; AVX512BW-FAST-NEXT:    vmovdqu %ymm7, {{[-0-9]+}}(%r{{[sb]}}p) # 32-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm10[0,1,2,3,4],ymm9[5],ymm10[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm9[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa (%rsp), %xmm7 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm7, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm13, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm9[0],xmm5[0],xmm9[1],xmm5[1],xmm9[2],xmm5[2],xmm9[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm1, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm8, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1,2],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <u,u,5,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm24, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm23 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm23, %xmm14<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm14[0],xmm11[0],xmm14[1],xmm11[1],xmm14[2],xmm11[2],xmm14[3],xmm11[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm14 = <5,13,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm26, %xmm18<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm12, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm31[0],xmm18[0],xmm31[1],xmm18[1],xmm31[2],xmm18[2],xmm31[3],xmm18[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm4[0],xmm11[1],xmm4[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm4[0,1],xmm5[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm18 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm18, %ymm6, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm31 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm16, %ymm11<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm11[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm29, %ymm19<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm29, %ymm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm20, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm6[0,1,2,3,4],ymm11[5],ymm6[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm5, %zmm0, %zmm4 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm22, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm21, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm5[0],xmm0[1],xmm5[1],xmm0[2],xmm5[2],xmm0[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm29 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm29, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm15, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm30, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm25, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm3, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm14, %xmm17, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm17, {{[-0-9]+}}(%r{{[sb]}}p) # 16-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0],xmm5[1],xmm6[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm3 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm18, %ymm3, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm12 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm12, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm27, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm28, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm9[0,1,2,3,4],ymm6[5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1,2],xmm1[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrld $24, %zmm10, %zmm2<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm2, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm2[0,1],xmm1[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm11, %zmm0<br>
 ; AVX512BW-FAST-NEXT:    vmovdqu64 %zmm0, {{[-0-9]+}}(%r{{[sb]}}p) # 64-byte Spill<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm0 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa %xmm7, %xmm15<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm7, %xmm4<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm13, %xmm31<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm13, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm1, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm7 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm7, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm6[0,1,2],xmm4[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,6,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm24, %xmm28<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm24, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm23, %xmm27<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm23, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm10 = <6,14,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm26, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm25 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm25, %xmm18<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm18[0],xmm11[0],xmm18[1],xmm11[1],xmm18[2],xmm11[2],xmm18[3],xmm11[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm9 = xmm11[0],xmm9[1],xmm11[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm9[0,1],xmm4[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm1, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm18 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm18, %ymm16, %ymm11<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3,4,5,6],ymm9[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm2 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm19, %ymm11<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm20, %ymm14<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm14[0,1,2,3,4],ymm11[5],ymm14[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm9 = ymm11[0,1,2,3,4,5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm4, %zmm0, %zmm4<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm9, %zmm0, %zmm4 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm22, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm0, %xmm21, %xmm0<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm0 = xmm0[0],xmm9[0],xmm0[1],xmm9[1],xmm0[2],xmm9[2],xmm0[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm29, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm13 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm5, %xmm13, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm5[0],xmm9[0],xmm5[1],xmm9[1],xmm5[2],xmm9[2],xmm5[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1,2],xmm0[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm30, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm29 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm29, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 {{[-0-9]+}}(%r{{[sb]}}p), %xmm18 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm18, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm10, %xmm17, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm6 = xmm9[0],xmm6[0],xmm9[1],xmm6[1],xmm9[2],xmm6[2],xmm9[3],xmm6[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0],xmm5[1],xmm6[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm0 = xmm5[0,1],xmm0[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm3, %ymm23<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm3, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %ymm12, %ymm24<br>
-; AVX512BW-FAST-NEXT:    vpshufb {{.*#+}} ymm6 = ymm12[u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,18,22,26,30,u,u,u,u]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5,6],ymm5[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqu64 {{[-0-9]+}}(%r{{[sb]}}p), %ymm17 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm2, %ymm17, %ymm6<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm2 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm2, %ymm9<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm6 = ymm9[0,1,2,3,4],ymm6[5],ymm9[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm5 = ymm6[0,1,2,3,4,5],ymm5[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm0[0,1,2,3],ymm5[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm4, %zmm0<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm15, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm31, %xmm6<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm5 = xmm6[0],xmm5[0],xmm6[1],xmm5[1],xmm6[2],xmm5[2],xmm6[3],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm1 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm1, %xmm9<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm7, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm9 = xmm10[0],xmm9[0],xmm10[1],xmm9[1],xmm10[2],xmm9[2],xmm10[3],xmm9[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm9[0,1,2],xmm5[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm9 = <u,u,7,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm28, %xmm10<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm27, %xmm11<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm10 = xmm11[0],xmm10[0],xmm11[1],xmm10[1],xmm11[2],xmm10[2],xmm11[3],xmm10[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <7,15,u,u,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm26, %xmm14<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm25, %xmm12<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm12[0],xmm14[0],xmm12[1],xmm14[1],xmm12[2],xmm14[2],xmm12[3],xmm14[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm10 = xmm12[0],xmm10[1],xmm12[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm5 = xmm10[0,1],xmm5[2,3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm8 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm1 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm1, %ymm10<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm12 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm12, %ymm16, %ymm1<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3,4,5,6],ymm10[7]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm10 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm10, %ymm19, %ymm2<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm20, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm2 = ymm3[0,1,2,3,4],ymm2[5],ymm3[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4,5],ymm1[6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm5, %zmm0, %zmm2<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm1, %zmm0, %zmm2 {%k1}<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm22, %xmm1<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm21, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm3[0],xmm1[0],xmm3[1],xmm1[1],xmm3[2],xmm1[2],xmm3[3],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm3 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm3, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm6, %xmm13, %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1,2],xmm1[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm30, %xmm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm9, %xmm29, %xmm4<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm4[0],xmm3[0],xmm4[1],xmm3[1],xmm4[2],xmm3[2],xmm4[3],xmm3[3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm18, %xmm4<br>
-; AVX512BW-FAST-NEXT:    vmovdqa {{[-0-9]+}}(%r{{[sb]}}p), %xmm5 # 16-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm5, %xmm5<br>
-; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm5[0],xmm4[0],xmm5[1],xmm4[1],xmm5[2],xmm4[2],xmm5[3],xmm4[3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm4[0],xmm3[1],xmm4[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm8, %ymm23, %ymm3<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm12, %ymm24, %ymm4<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm3 = [1,3,2,3,1,3,5,7]<br>
+; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm3, %ymm7 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vpermd (%rsp), %ymm3, %ymm5 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm13 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm13, %ymm7, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm4, %ymm5, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm8[0,1,2,3,4,5,6],ymm2[7]<br>
+; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm3, %ymm2 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm28, %ymm3, %ymm14<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm2, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,0,4,8,12,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm14, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,u,u,4,12,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm20, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %xmm20, %xmm16<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm19, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm15[0],xmm12[0],xmm15[1],xmm12[1],xmm15[2],xmm12[2],xmm15[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} xmm21 = <u,u,u,u,4,12,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm21, %xmm18, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm21, %xmm29, %xmm28<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm15 = xmm28[0],xmm15[0],xmm28[1],xmm15[1],xmm28[2],xmm15[2],xmm28[3],xmm15[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm15[0,1,2],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufd {{.*#+}} zmm15 = zmm17[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm15, %xmm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm12 = xmm15[0,1],xmm12[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm12, %zmm0, %zmm12<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm8, %zmm0, %zmm12 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm3, %ymm19 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm13, %ymm19, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm3, %ymm18 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm4, %ymm18, %ymm15<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm15[0,1,2,3,4,5,6],ymm8[7]<br>
+; AVX512BW-FAST-NEXT:    vpermd {{[-0-9]+}}(%r{{[sb]}}p), %ymm3, %ymm15 # 32-byte Folded Reload<br>
+; AVX512BW-FAST-NEXT:    vpermd %ymm27, %ymm3, %ymm20<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm15, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm20, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm13[0,1,2,3,4],ymm3[5],ymm13[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm3[0,1,2,3,4,5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm25, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm23, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm21, %xmm22, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm21, %xmm9, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm13[0],xmm11[0],xmm13[1],xmm11[1],xmm13[2],xmm11[2],xmm13[3],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufd {{.*#+}} zmm11 = zmm10[1,1,3,3,5,5,7,7,9,9,11,11,13,13,15,15]<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm11, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm8[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm3, %zmm12, %zmm28<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm4 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm4, %ymm7, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm5, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5,6],ymm8[7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm2, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm14, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm11 = ymm12[0,1,2,3,4],ymm11[5],ymm12[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4,5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,u,u,5,13,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm16, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm24, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm13 = <u,u,u,u,5,13,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm26, %xmm21<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm29, %xmm27<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm3 = xmm27[0],xmm21[0],xmm27[1],xmm21[1],xmm27[2],xmm21[2],xmm27[3],xmm21[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm3[0,1,2],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm17, %zmm27<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $40, %zmm17, %zmm12<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm12, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm3 = xmm12[0,1],xmm3[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm3, %zmm0, %zmm3<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm8, %zmm0, %zmm3 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm4, %ymm19, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm18, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm12[0,1,2,3,4,5,6],ymm8[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm15, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm20, %ymm4<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3,4],ymm12[5],ymm4[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm4[0,1,2,3,4,5],ymm8[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm25, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm23, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm22, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm13, %xmm9, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm12[0],xmm11[0],xmm12[1],xmm11[1],xmm12[2],xmm11[2],xmm12[3],xmm11[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $40, %zmm10, %zmm11<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm11, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm11[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3],ymm4[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm4, %zmm3, %zmm21<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm0 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm7, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 {{.*#+}} ymm17 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm17, %ymm5, %ymm4<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5,6],ymm3[7]<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm10, %ymm17, %ymm4<br>
-; AVX512BW-FAST-NEXT:    vmovdqu {{[-0-9]+}}(%r{{[sb]}}p), %ymm5 # 32-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm5, %ymm5<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm5[0,1,2,3,4],ymm4[5],ymm5[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm1 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm2, %ymm4<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm14, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm4 = ymm8[0,1,2,3,4],ymm4[5],ymm8[6,7]<br>
 ; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3,4,5],ymm3[6,7]<br>
-; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm1[0,1,2,3],ymm3[4,5,6,7]<br>
-; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm1, %zmm2, %zmm1<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%rsi)<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%rdx)<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%rcx)<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%r8)<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%r9)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,u,u,6,14,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm16, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm24, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm11 = <u,u,u,u,6,14,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm26, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm29, %xmm13<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm12 = xmm13[0],xmm12[0],xmm13[1],xmm12[1],xmm13[2],xmm12[2],xmm13[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm12[0,1,2],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $48, %zmm27, %zmm12<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm12, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm8 = xmm12[0,1],xmm8[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm8, %zmm0, %zmm8<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm3, %zmm0, %zmm8 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm0, %ymm19, %ymm3<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm17, %ymm18, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5,6],ymm3[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm1, %ymm15, %ymm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm20, %ymm13<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm12 = ymm13[0,1,2,3,4],ymm12[5],ymm13[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm12[0,1,2,3,4,5],ymm3[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm25, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm23, %xmm4<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm12[0],xmm4[1],xmm12[1],xmm4[2],xmm12[2],xmm4[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm22, %xmm12<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm11, %xmm9, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm11 = xmm11[0],xmm12[0],xmm11[1],xmm12[1],xmm11[2],xmm12[2],xmm11[3],xmm12[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm11[0,1,2],xmm4[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $48, %zmm10, %zmm11<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm11, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm4 = xmm11[0,1],xmm4[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm3 = ymm4[0,1,2,3],ymm3[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm3, %zmm8, %zmm3<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm6 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm7, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} ymm7 = <u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,u,3,7,11,15,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm5, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm2, %ymm1<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm14, %ymm2<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm1 = ymm2[0,1,2,3,4],ymm1[5],ymm2[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm1 = <u,u,u,u,u,u,7,15,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm1, %xmm16, %xmm2<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm1, %xmm24, %xmm4<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm2 = xmm4[0],xmm2[0],xmm4[1],xmm2[1],xmm4[2],xmm2[2],xmm4[3],xmm2[3]<br>
+; AVX512BW-FAST-NEXT:    vmovdqa {{.*#+}} xmm4 = <u,u,u,u,7,15,u,u,u,u,u,u,u,u,u,u><br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm26, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm29, %xmm11<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm8 = xmm11[0],xmm8[0],xmm11[1],xmm8[1],xmm11[2],xmm8[2],xmm11[3],xmm8[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm8[0,1,2],xmm2[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $56, %zmm27, %zmm8<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm8, %xmm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm2 = xmm8[0,1],xmm2[2,3]<br>
+; AVX512BW-FAST-NEXT:    vinserti32x4 $2, %xmm2, %zmm0, %zmm2<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $1, %ymm0, %zmm0, %zmm2 {%k1}<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm6, %ymm19, %ymm0<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm7, %ymm18, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3,4,5,6],ymm0[7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm31, %ymm15, %ymm8<br>
+; AVX512BW-FAST-NEXT:    vpshufb %ymm30, %ymm20, %ymm11<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm8 = ymm11[0,1,2,3,4],ymm8[5],ymm11[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm8[0,1,2,3,4,5],ymm0[6,7]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm1, %xmm25, %xmm5<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm1, %xmm23, %xmm1<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm1 = xmm1[0],xmm5[0],xmm1[1],xmm5[1],xmm1[2],xmm5[2],xmm1[3],xmm5[3]<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm22, %xmm5<br>
+; AVX512BW-FAST-NEXT:    vpshufb %xmm4, %xmm9, %xmm4<br>
+; AVX512BW-FAST-NEXT:    vpunpcklwd {{.*#+}} xmm4 = xmm4[0],xmm5[0],xmm4[1],xmm5[1],xmm4[2],xmm5[2],xmm4[3],xmm5[3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1,2],xmm1[3]<br>
+; AVX512BW-FAST-NEXT:    vpsrlq $56, %zmm10, %zmm4<br>
+; AVX512BW-FAST-NEXT:    vpmovqb %zmm4, %xmm4<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} xmm1 = xmm4[0,1],xmm1[2,3]<br>
+; AVX512BW-FAST-NEXT:    vpblendd {{.*#+}} ymm0 = ymm1[0,1,2,3],ymm0[4,5,6,7]<br>
+; AVX512BW-FAST-NEXT:    vinserti64x4 $0, %ymm0, %zmm2, %zmm0<br>
+; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
+; AVX512BW-FAST-NEXT:    vmovaps %zmm1, (%rsi)<br>
+; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
+; AVX512BW-FAST-NEXT:    vmovaps %zmm1, (%rdx)<br>
+; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
+; AVX512BW-FAST-NEXT:    vmovaps %zmm1, (%rcx)<br>
+; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm1 # 64-byte Reload<br>
+; AVX512BW-FAST-NEXT:    vmovaps %zmm1, (%r8)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm28, (%r9)<br>
 ; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512BW-FAST-NEXT:    vmovups {{[-0-9]+}}(%r{{[sb]}}p), %zmm2 # 64-byte Reload<br>
-; AVX512BW-FAST-NEXT:    vmovaps %zmm2, (%rax)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm21, (%rax)<br>
 ; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm0, (%rax)<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm3, (%rax)<br>
 ; AVX512BW-FAST-NEXT:    movq {{[0-9]+}}(%rsp), %rax<br>
-; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm1, (%rax)<br>
-; AVX512BW-FAST-NEXT:    addq $888, %rsp # imm = 0x378<br>
+; AVX512BW-FAST-NEXT:    vmovdqa64 %zmm0, (%rax)<br>
+; AVX512BW-FAST-NEXT:    addq $328, %rsp # imm = 0x148<br>
 ; AVX512BW-FAST-NEXT:    vzeroupper<br>
 ; AVX512BW-FAST-NEXT:    retq<br>
   %wide.vec = load <512 x i8>, ptr %in.vec, align 64<br>
<br>
diff  --git a/llvm/test/CodeGen/X86/vector-shuffle-512-v32.ll b/llvm/test/CodeGen/X86/vector-shuffle-512-v32.ll<br>
index 7bb8bfe22174..4a7d8c155fcc 100644<br>
--- a/llvm/test/CodeGen/X86/vector-shuffle-512-v32.ll<br>
+++ b/llvm/test/CodeGen/X86/vector-shuffle-512-v32.ll<br>
@@ -465,28 +465,14 @@ define <32 x i16> @shuffle_v32i16_32_zz_33_zz_34_zz_35_zz_36_zz_37_zz_38_zz_39_z<br>
 define <8 x i16> @pr32967(<32 x i16> %v) {<br>
 ; KNL-LABEL: pr32967:<br>
 ; KNL:       ## %bb.0:<br>
-; KNL-NEXT:    vextracti64x4 $1, %zmm0, %ymm1<br>
-; KNL-NEXT:    vextracti128 $1, %ymm1, %xmm2<br>
-; KNL-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[0,2,2,3]<br>
-; KNL-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[0,1,1,3,4,5,6,7]<br>
-; KNL-NEXT:    vpshufd {{.*#+}} xmm1 = xmm1[0,2,2,3]<br>
-; KNL-NEXT:    vpshuflw {{.*#+}} xmm1 = xmm1[0,1,1,3,4,5,6,7]<br>
-; KNL-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; KNL-NEXT:    vextracti128 $1, %ymm0, %xmm2<br>
-; KNL-NEXT:    vpshufd {{.*#+}} xmm2 = xmm2[0,2,2,3]<br>
-; KNL-NEXT:    vpshuflw {{.*#+}} xmm2 = xmm2[1,3,2,3,4,5,6,7]<br>
-; KNL-NEXT:    vpshufd {{.*#+}} xmm0 = xmm0[0,2,2,3]<br>
-; KNL-NEXT:    vpshuflw {{.*#+}} xmm0 = xmm0[1,3,2,3,4,5,6,7]<br>
-; KNL-NEXT:    vpunpckldq {{.*#+}} xmm0 = xmm0[0],xmm2[0],xmm0[1],xmm2[1]<br>
-; KNL-NEXT:    vpblendd {{.*#+}} xmm0 = xmm0[0,1],xmm1[2,3]<br>
+; KNL-NEXT:    vpsrld $16, %zmm0, %zmm0<br>
+; KNL-NEXT:    vpmovqw %zmm0, %xmm0<br>
 ; KNL-NEXT:    retq<br>
 ;<br>
 ; SKX-LABEL: pr32967:<br>
 ; SKX:       ## %bb.0:<br>
-; SKX-NEXT:    vmovdqa {{.*#+}} xmm1 = [1,5,9,13,17,21,25,29]<br>
-; SKX-NEXT:    vextracti64x4 $1, %zmm0, %ymm2<br>
-; SKX-NEXT:    vpermt2w %ymm2, %ymm1, %ymm0<br>
-; SKX-NEXT:    ## kill: def $xmm0 killed $xmm0 killed $zmm0<br>
+; SKX-NEXT:    vpsrld $16, %zmm0, %zmm0<br>
+; SKX-NEXT:    vpmovqw %zmm0, %xmm0<br>
 ; SKX-NEXT:    vzeroupper<br>
 ; SKX-NEXT:    retq<br>
  %shuffle = shufflevector <32 x i16> %v, <32 x i16> undef, <8 x i32> <i32 1,i32 5,i32 9,i32 13,i32 17,i32 21,i32 25,i32 29><br>
<br>
diff  --git a/llvm/test/CodeGen/X86/x86-interleaved-access.ll b/llvm/test/CodeGen/X86/x86-interleaved-access.ll<br>
index a6b919a50140..e5d650836208 100644<br>
--- a/llvm/test/CodeGen/X86/x86-interleaved-access.ll<br>
+++ b/llvm/test/CodeGen/X86/x86-interleaved-access.ll<br>
@@ -530,39 +530,32 @@ define <16 x i1> @interleaved_load_vf16_i8_stride4(ptr %ptr) nounwind {<br>
 ; AVX512:       # %bb.0:<br>
 ; AVX512-NEXT:    vmovdqa64 (%rdi), %zmm0<br>
 ; AVX512-NEXT:    vpmovdb %zmm0, %xmm0<br>
-; AVX512-NEXT:    vmovdqa (%rdi), %xmm1<br>
-; AVX512-NEXT:    vmovdqa 16(%rdi), %xmm2<br>
-; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm3<br>
-; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm4<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm5, %xmm4, %xmm6<br>
-; AVX512-NEXT:    vpshufb %xmm5, %xmm3, %xmm5<br>
+; AVX512-NEXT:    vmovdqa 48(%rdi), %xmm1<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm2 = <u,u,u,u,1,5,9,13,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm2, %xmm1, %xmm3<br>
+; AVX512-NEXT:    vmovdqa 32(%rdi), %xmm4<br>
+; AVX512-NEXT:    vpshufb %xmm2, %xmm4, %xmm2<br>
+; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm2 = xmm2[0],xmm3[0],xmm2[1],xmm3[1]<br>
+; AVX512-NEXT:    vmovdqa (%rdi), %ymm3<br>
+; AVX512-NEXT:    vpsrlw $8, %ymm3, %ymm5<br>
+; AVX512-NEXT:    vpmovdb %zmm5, %xmm5<br>
+; AVX512-NEXT:    vpblendd {{.*#+}} xmm2 = xmm5[0,1],xmm2[2,3]<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm5 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm5, %xmm1, %xmm6<br>
+; AVX512-NEXT:    vpshufb %xmm5, %xmm4, %xmm5<br>
 ; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm5 = xmm5[0],xmm6[0],xmm5[1],xmm6[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <1,5,9,13,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm2, %xmm7<br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm1, %xmm6<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1]<br>
+; AVX512-NEXT:    vpsrld $16, %ymm3, %ymm6<br>
+; AVX512-NEXT:    vpmovdb %zmm6, %xmm6<br>
 ; AVX512-NEXT:    vpblendd {{.*#+}} xmm5 = xmm6[0,1],xmm5[2,3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,2,6,10,14,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm4, %xmm7<br>
-; AVX512-NEXT:    vpshufb %xmm6, %xmm3, %xmm6<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm6 = xmm6[0],xmm7[0],xmm6[1],xmm7[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm7 = <2,6,10,14,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm2, %xmm8<br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm1, %xmm7<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm7 = xmm7[0],xmm8[0],xmm7[1],xmm8[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm6 = xmm7[0,1],xmm6[2,3]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm7 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm4, %xmm4<br>
-; AVX512-NEXT:    vpshufb %xmm7, %xmm3, %xmm3<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm3 = xmm3[0],xmm4[0],xmm3[1],xmm4[1]<br>
-; AVX512-NEXT:    vmovdqa {{.*#+}} xmm4 = <3,7,11,15,u,u,u,u,u,u,u,u,u,u,u,u><br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm2, %xmm2<br>
-; AVX512-NEXT:    vpshufb %xmm4, %xmm1, %xmm1<br>
-; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm1[0],xmm2[0],xmm1[1],xmm2[1]<br>
-; AVX512-NEXT:    vpblendd {{.*#+}} xmm1 = xmm1[0,1],xmm3[2,3]<br>
-; AVX512-NEXT:    vpcmpeqb %zmm5, %zmm0, %k0<br>
-; AVX512-NEXT:    vpcmpeqb %zmm1, %zmm6, %k1<br>
+; AVX512-NEXT:    vmovdqa {{.*#+}} xmm6 = <u,u,u,u,3,7,11,15,u,u,u,u,u,u,u,u><br>
+; AVX512-NEXT:    vpshufb %xmm6, %xmm1, %xmm1<br>
+; AVX512-NEXT:    vpshufb %xmm6, %xmm4, %xmm4<br>
+; AVX512-NEXT:    vpunpckldq {{.*#+}} xmm1 = xmm4[0],xmm1[0],xmm4[1],xmm1[1]<br>
+; AVX512-NEXT:    vpsrld $24, %ymm3, %ymm3<br>
+; AVX512-NEXT:    vpmovdb %zmm3, %xmm3<br>
+; AVX512-NEXT:    vpblendd {{.*#+}} xmm1 = xmm3[0,1],xmm1[2,3]<br>
+; AVX512-NEXT:    vpcmpeqb %zmm2, %zmm0, %k0<br>
+; AVX512-NEXT:    vpcmpeqb %zmm1, %zmm5, %k1<br>
 ; AVX512-NEXT:    kxnorw %k1, %k0, %k0<br>
 ; AVX512-NEXT:    vpmovm2b %k0, %zmm0<br>
 ; AVX512-NEXT:    # kill: def $xmm0 killed $xmm0 killed $zmm0<br>
<br>
<br>
<br>
_______________________________________________<br>
llvm-commits mailing list<br>
llvm-commits@lists.llvm.org<br>
<a href="https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Flists.llvm.org%2Fcgi-bin%2Fmailman%2Flistinfo%2Fllvm-commits&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=3Kj9TgRhaGYZeUGVNc712qLTNHQddCXFT%2FKCCLGgLl8%3D&amp;reserved=0">https://nam11.safelinks.protection.outlook.com/?url=https%3A%2F%2Flists.llvm.org%2Fcgi-bin%2Fmailman%2Flistinfo%2Fllvm-commits&amp;data=05%7C01%7CMatthew.Arsenault%40amd.com%7C634661c3f12344d5013d08dadd12735c%7C3dd8961fe4884e608e11a82d994e183d%7C0%7C0%7C638065368604634200%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C3000%7C%7C%7C&amp;sdata=3Kj9TgRhaGYZeUGVNc712qLTNHQddCXFT%2FKCCLGgLl8%3D&amp;reserved=0</a><o:p></o:p></p>
</div>
</div>
</div>
</div>
</body>
</html>