Спасибо коллеги.
Про профайлеры я знаю, но не использовал их, т.к. падение производительности было очевидно даже без секундомера и измерялось не тиками. Проблемный код также был очевиден.
Убил день, но нашёл причину. Как обычно намного банальней, чем казалось. В новый код попал участок синхронизации потоков, который повторялся несколько тысяч раз. Вынес его за цикл, и всё ок.
Но ожидаемого эффекта от оптимизации, описаной ранее, я не получил. Наверное он есть, но действительно измеряется тиками. А программа обычно работает по 30-40 часов, так что плюс минус час — разницы никакой.
Теперь надежда только на двухпроцессорную станцию.