1. Вызов Sleep(0) был поставлен сознательно для ужесточения условий тестирования. Как я указал в заметке, тесты предназначены для оценки общих издержек на переключение между потоками. Пусть уж лучше эти издержки будут немного завышены, чем занижены :)
2. Я бы не взялся измерять квант времени и время переключения контекста в часах. Так же я не уверен, что увеличение объема вычислений, ведущее к возрастания времени выполнения тестов до нескольких часов, радикально изменит соотношение результатов.
3. Ваше замечание про погрешность результатов поражает своей меткостью. Особенно с учетом того, что об этом написано в самой заметке. Если у Вас есть возможность провести измерения в идеальных условиях — милости просим, я с огромным интересом ознакомлюсь с результатами, благо исходные тексты тестов приложены к заметке. Что касается приоритетов — все тесты запускались в одинаковых условиях на более-менее чистых системах, что позволяет с определенной долей уверенности говорить о том, что соотношение результатов, полученных на разных системах, достаточно близко к реальному.
А в остальном Ваш коммантарий очень интересен.