みなさん、どうもありがとうございます。
やはり書き込み時のキャッシュ問題ですか……。
K6-2や初代CeleronにはmovntqなどのSSE命令は実装されていないので、
その辺りでは今の二段階処理が現実的なのかもしれませんね……。
CPU別の切り替えも視野に入れて検討してみます。