¿Por qué Clang no utiliza vcnt para __builtin_popcountll en AArch32?

La prueba simple,

c
unsigned f(unsigned long long x) {
return __builtin_popcountll(x);
}

cuando se compila con clang –target=arm-none-linux-eabi -mfpu=neon -mfloat-abi=softfp -mcpu=cortex-a15 -Os, ^⁎ resulta en que el compilador emite numerosas instrucciones para implementar el popcount clásico para las palabras bajas y altas en x en paralelo, y luego suma los resultados.

Me parece, al revisar los manuales de arquitectura, que el código de NEON similar al que se genera para

#include <arm_neon.h>

unsigned f(unsigned long long x) {
    uint8x8t v = vcntu8(vcreateu8(x));
    return vgetlaneu64(vpaddlu32(vpaddlu16(vpaddlu8(v))), 0);
}

habría sido beneficioso en términos de tamaño al menos, aunque no necesariamente en términos de rendimiento.

¿Por qué Clang^† no lo hace? ¿Simplemente le estoy dando opciones incorrectas? ¿Son las transiciones de ARM a NEON a ARM tan espectacularmente lentas, incluso en el A15, que no vale la pena? (Esto es lo que un comentario en una pregunta relacionada parece sugerir, pero muy brevemente). ¿El código de Clang para AArch32 carece de cuidado y atención, ya que casi todos los dispositivos móviles modernos usan AArch64? (Eso parece improbable, pero GCC, por ejemplo, se sabe que ocasionalmente tiene una mala generación de código en arquitecturas no prominentes, como PowerPC o MIPS).

<sup>⁎ Los opciones de Clang podrían ser incorrectas o redundantes, ajustar según sea necesario.

† En mis experimentos, GCC tampoco parece hacer eso, solo emitiendo una llamada a __popcountdi2, pero eso sugiere que simplemente podría estar usándolo incorrectamente.</sup>
</arm_neon.h>