Странные результаты тестов для открытых методов mp

Результаты моих тестов очень странные. С одной стороны, у меня есть последовательная функция для вычисления квадратичной формы. С другой стороны, я написал две параллельные версии. Для одного потока все функции должны иметь примерно одинаковое время работы. Но на одну параллельную функцию нужно половину времени. Есть ли «скрытая» оптимизация?

Серийная версия:

double quadratic_form_serial(const std::vector<double> & A,const std::vector<double> & v, const std::vector<double> & w){
    int N= v.size();
    volatile double q=0.0;

    for(int i=0; i<N; ++i)
        for(int j=0; j<N; ++j)
            q +=v[i]*A[i*N+j]*w[j];

return q;
}

Параллельная версия 1:

double quadratic_form_parallel(const std::vector<double> & A,const std::vector<double> & v, const std::vector<double> & w, const int threadnum){
int N= v.size();

omp_set_num_threads(threadnum);
volatile double q[threadnum];
volatile double val = 0.0; 

#pragma omp parallel
{
    int me = omp_get_thread_num(); 
    q[me] = 0.0;
    #pragma omp for collapse(2)
    for(int i=0; i<N; ++i)
        for(int j=0; j<N; ++j)
            q[me]+=v[i]*A[i*N+j]*w[j];
    #pragma omp atomic
    val+=q[me];
}
return val;
}

Параллельная версия 2:

double quadratic_form_parallel2(const std::vector<double> & A,const std::vector<double> & v, const std::vector<double> & w, const int threadnum){
    int N= v.size();
    volatile double result =0.0;
    omp_set_num_threads(threadnum);

    #pragma omp parallel for reduction(+: result)
    for (int i=0; i<N; ++i)
        for (int j=0; j<N; ++j)
            result += v[i] * A[i*N + j] * w[j];
    return result;
}

Я запускаю код для N = 10000 и очищаю кеш перед вызовом функции. Функция quadratic_form_parallel2 требует с потоком один меньше половины времени, необходимого для двух других функций:

threads    serial       Parallel1       Parallel2
1          0.0882503    0.0875649       0.0313441