]> WPIA git - cassiopeia.git/blobdiff - lib/openssl/crypto/chacha/asm/chacha-c64xplus.pl
upd: openssl to 1.1.0
[cassiopeia.git] / lib / openssl / crypto / chacha / asm / chacha-c64xplus.pl
diff --git a/lib/openssl/crypto/chacha/asm/chacha-c64xplus.pl b/lib/openssl/crypto/chacha/asm/chacha-c64xplus.pl
new file mode 100755 (executable)
index 0000000..bdb3804
--- /dev/null
@@ -0,0 +1,926 @@
+#! /usr/bin/env perl
+# Copyright 2016 The OpenSSL Project Authors. All Rights Reserved.
+#
+# Licensed under the OpenSSL license (the "License").  You may not use
+# this file except in compliance with the License.  You can obtain a copy
+# in the file LICENSE in the source distribution or at
+# https://www.openssl.org/source/license.html
+
+#
+# ====================================================================
+# Written by Andy Polyakov <appro@openssl.org> for the OpenSSL
+# project. The module is, however, dual licensed under OpenSSL and
+# CRYPTOGAMS licenses depending on where you obtain it. For further
+# details see http://www.openssl.org/~appro/cryptogams/.
+# ====================================================================
+#
+# ChaCha20 for C64x+.
+#
+# October 2015
+#
+# Performance is 3.54 cycles per processed byte, which is ~4.3 times
+# faster than code generated by TI compiler. Compiler also disables
+# interrupts for some reason, thus making interrupt response time
+# dependent on input length. This module on the other hand is free
+# from such limiation.
+
+$output=pop;
+open STDOUT,">$output";
+
+($OUT,$INP,$LEN,$KEYB,$COUNTERA)=("A4","B4","A6","B6","A8");
+($KEYA,$COUNTERB,$STEP)=("A7","B7","A3");
+
+@X=  ("A16","B16","A17","B17","A18","B18","A19","B19",
+      "A20","B20","A21","B21","A22","B22","A23","B23");
+@Y=  ("A24","B24","A25","B25","A26","B26","A27","B27",
+      "A28","B28","A29","B29","A30","B30","A31","B31");
+@DAT=("A6", "A7", "B6", "B7", "A8", "A9", "B8", "B9",
+      "A10","A11","B10","B11","A12","A13","B12","B13");
+
+# yes, overlaps with @DAT, used only in 2x interleave code path...
+@K2x=("A6", "B6", "A7", "B7", "A8", "B8", "A9", "B9",
+      "A10","B10","A11","B11","A2", "B2", "A13","B13");
+
+$code.=<<___;
+       .text
+
+       .if     .ASSEMBLER_VERSION<7000000
+       .asg    0,__TI_EABI__
+       .endif
+       .if     __TI_EABI__
+       .asg    ChaCha20_ctr32,_ChaCha20_ctr32
+       .endif
+
+       .asg    B3,RA
+       .asg    A15,FP
+       .asg    B15,SP
+
+       .global _ChaCha20_ctr32
+       .align  32
+_ChaCha20_ctr32:
+       .asmfunc        stack_usage(40+64)
+       MV      $LEN,A0                 ; reassign
+  [!A0]        BNOP    RA                      ; no data
+|| [A0]        STW     FP,*SP--(40+64)         ; save frame pointer and alloca(40+64)
+|| [A0]        MV      SP,FP
+   [A0]        STDW    B13:B12,*SP[4+8]        ; ABI says so
+|| [A0]        MV      $KEYB,$KEYA
+|| [A0]        MV      $COUNTERA,$COUNTERB
+   [A0]        STDW    B11:B10,*SP[3+8]
+|| [A0]        STDW    A13:A12,*FP[-3]
+   [A0]        STDW    A11:A10,*FP[-4]
+|| [A0]        MVK     128,$STEP               ; 2 * input block size
+
+   [A0]        LDW     *${KEYA}[0],@Y[4]       ; load key
+|| [A0]        LDW     *${KEYB}[1],@Y[5]
+|| [A0]        MVK     0x00007865,@Y[0]        ; synthesize sigma
+|| [A0]        MVK     0x0000646e,@Y[1]
+   [A0]        LDW     *${KEYA}[2],@Y[6]
+|| [A0]        LDW     *${KEYB}[3],@Y[7]
+|| [A0]        MVKH    0x61700000,@Y[0]
+|| [A0]        MVKH    0x33200000,@Y[1]
+       LDW     *${KEYA}[4],@Y[8]
+||     LDW     *${KEYB}[5],@Y[9]
+||     MVK     0x00002d32,@Y[2]
+||     MVK     0x00006574,@Y[3]
+       LDW     *${KEYA}[6],@Y[10]
+||     LDW     *${KEYB}[7],@Y[11]
+||     MVKH    0x79620000,@Y[2]
+||     MVKH    0x6b200000,@Y[3]
+       LDW     *${COUNTERA}[0],@Y[12]  ; load counter||nonce
+||     LDW     *${COUNTERB}[1],@Y[13]
+||     CMPLTU  A0,$STEP,A1             ; is length < 2*blocks?
+       LDW     *${COUNTERA}[2],@Y[14]
+||     LDW     *${COUNTERB}[3],@Y[15]
+|| [A1]        BNOP    top1x?
+   [A1]        MVK     64,$STEP                ; input block size
+||     MVK     10,B0                   ; inner loop counter
+
+       DMV     @Y[2],@Y[0],@X[2]:@X[0] ; copy block
+||     DMV     @Y[3],@Y[1],@X[3]:@X[1]
+||[!A1]        STDW    @Y[2]:@Y[0],*FP[-12]    ; offload key material to stack
+||[!A1]        STDW    @Y[3]:@Y[1],*SP[2]
+       DMV     @Y[6],@Y[4],@X[6]:@X[4]
+||     DMV     @Y[7],@Y[5],@X[7]:@X[5]
+||[!A1]        STDW    @Y[6]:@Y[4],*FP[-10]
+||[!A1]        STDW    @Y[7]:@Y[5],*SP[4]
+       DMV     @Y[10],@Y[8],@X[10]:@X[8]
+||     DMV     @Y[11],@Y[9],@X[11]:@X[9]
+||[!A1]        STDW    @Y[10]:@Y[8],*FP[-8]
+||[!A1]        STDW    @Y[11]:@Y[9],*SP[6]
+       DMV     @Y[14],@Y[12],@X[14]:@X[12]
+||     DMV     @Y[15],@Y[13],@X[15]:@X[13]
+||[!A1]        MV      @Y[12],@K2x[12]         ; counter
+||[!A1]        MV      @Y[13],@K2x[13]
+||[!A1]        STW     @Y[14],*FP[-6*2]
+||[!A1]        STW     @Y[15],*SP[8*2]
+___
+{      ################################################################
+       # 2x interleave gives 50% performance improvement
+       #
+my ($a0,$a1,$a2,$a3) = (0..3);
+my ($b0,$b1,$b2,$b3) = (4..7);
+my ($c0,$c1,$c2,$c3) = (8..11);
+my ($d0,$d1,$d2,$d3) = (12..15);
+
+$code.=<<___;
+outer2x?:
+       ADD     @X[$b1],@X[$a1],@X[$a1]
+||     ADD     @X[$b2],@X[$a2],@X[$a2]
+||     ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||      DMV    @Y[2],@Y[0],@K2x[2]:@K2x[0]
+||      DMV    @Y[3],@Y[1],@K2x[3]:@K2x[1]
+       XOR     @X[$a1],@X[$d1],@X[$d1]
+||     XOR     @X[$a2],@X[$d2],@X[$d2]
+||     XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||      DMV    @Y[6],@Y[4],@K2x[6]:@K2x[4]
+||      DMV    @Y[7],@Y[5],@K2x[7]:@K2x[5]
+       SWAP2   @X[$d1],@X[$d1]         ; rotate by 16
+||     SWAP2   @X[$d2],@X[$d2]
+||     SWAP2   @X[$d0],@X[$d0]
+||     SWAP2   @X[$d3],@X[$d3]
+
+       ADD     @X[$d1],@X[$c1],@X[$c1]
+||     ADD     @X[$d2],@X[$c2],@X[$c2]
+||     ADD     @X[$d0],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c3],@X[$c3]
+||      DMV    @Y[10],@Y[8],@K2x[10]:@K2x[8]
+||      DMV    @Y[11],@Y[9],@K2x[11]:@K2x[9]
+       XOR     @X[$c1],@X[$b1],@X[$b1]
+||     XOR     @X[$c2],@X[$b2],@X[$b2]
+||     XOR     @X[$c0],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b3],@X[$b3]
+||      ADD    1,@Y[12],@Y[12]         ; adjust counter for 2nd block
+       ROTL    @X[$b1],12,@X[$b1]
+||     ROTL    @X[$b2],12,@X[$b2]
+||      MV     @Y[14],@K2x[14]
+||      MV     @Y[15],@K2x[15]
+top2x?:
+       ROTL    @X[$b0],12,@X[$b0]
+||     ROTL    @X[$b3],12,@X[$b3]
+||      ADD    @Y[$b1],@Y[$a1],@Y[$a1]
+||      ADD    @Y[$b2],@Y[$a2],@Y[$a2]
+        ADD    @Y[$b0],@Y[$a0],@Y[$a0]
+||      ADD    @Y[$b3],@Y[$a3],@Y[$a3]
+
+||     ADD     @X[$b1],@X[$a1],@X[$a1]
+||     ADD     @X[$b2],@X[$a2],@X[$a2]
+||      XOR    @Y[$a1],@Y[$d1],@Y[$d1]
+||      XOR    @Y[$a2],@Y[$d2],@Y[$d2]
+        XOR    @Y[$a0],@Y[$d0],@Y[$d0]
+||      XOR    @Y[$a3],@Y[$d3],@Y[$d3]
+||     ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+||     XOR     @X[$a2],@X[$d2],@X[$d2]
+       XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     ROTL    @X[$d1],8,@X[$d1]
+||     ROTL    @X[$d2],8,@X[$d2]
+||      SWAP2  @Y[$d1],@Y[$d1]         ; rotate by 16
+||      SWAP2  @Y[$d2],@Y[$d2]
+||      SWAP2  @Y[$d0],@Y[$d0]
+||      SWAP2  @Y[$d3],@Y[$d3]
+       ROTL    @X[$d0],8,@X[$d0]
+||     ROTL    @X[$d3],8,@X[$d3]
+||      ADD    @Y[$d1],@Y[$c1],@Y[$c1]
+||      ADD    @Y[$d2],@Y[$c2],@Y[$c2]
+||      ADD    @Y[$d0],@Y[$c0],@Y[$c0]
+||      ADD    @Y[$d3],@Y[$c3],@Y[$c3]
+||     BNOP    middle2x1?              ; protect from interrupt
+
+       ADD     @X[$d1],@X[$c1],@X[$c1]
+||     ADD     @X[$d2],@X[$c2],@X[$c2]
+||      XOR    @Y[$c1],@Y[$b1],@Y[$b1]
+||      XOR    @Y[$c2],@Y[$b2],@Y[$b2]
+||      XOR    @Y[$c0],@Y[$b0],@Y[$b0]
+||      XOR    @Y[$c3],@Y[$b3],@Y[$b3]
+       ADD     @X[$d0],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c3],@X[$c3]
+||     XOR     @X[$c1],@X[$b1],@X[$b1]
+||     XOR     @X[$c2],@X[$b2],@X[$b2]
+||     ROTL    @X[$d1],0,@X[$d2]       ; moved to avoid cross-path stall
+||     ROTL    @X[$d2],0,@X[$d3]
+       XOR     @X[$c0],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b3],@X[$b3]
+||     MV      @X[$d0],@X[$d1]
+||     MV      @X[$d3],@X[$d0]
+||      ROTL   @Y[$b1],12,@Y[$b1]
+||      ROTL   @Y[$b2],12,@Y[$b2]
+       ROTL    @X[$b1],7,@X[$b0]       ; avoided cross-path stall
+||     ROTL    @X[$b2],7,@X[$b1]
+       ROTL    @X[$b0],7,@X[$b3]
+||     ROTL    @X[$b3],7,@X[$b2]
+middle2x1?:
+
+        ROTL   @Y[$b0],12,@Y[$b0]
+||      ROTL   @Y[$b3],12,@Y[$b3]
+||     ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b1],@X[$a1],@X[$a1]
+       ADD     @X[$b2],@X[$a2],@X[$a2]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+
+||      ADD    @Y[$b1],@Y[$a1],@Y[$a1]
+||      ADD    @Y[$b2],@Y[$a2],@Y[$a2]
+||     XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+       XOR     @X[$a2],@X[$d2],@X[$d2]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||      ADD    @Y[$b0],@Y[$a0],@Y[$a0]
+||      ADD    @Y[$b3],@Y[$a3],@Y[$a3]
+||      XOR    @Y[$a1],@Y[$d1],@Y[$d1]
+||      XOR    @Y[$a2],@Y[$d2],@Y[$d2]
+        XOR    @Y[$a0],@Y[$d0],@Y[$d0]
+||      XOR    @Y[$a3],@Y[$d3],@Y[$d3]
+||      ROTL   @Y[$d1],8,@Y[$d1]
+||      ROTL   @Y[$d2],8,@Y[$d2]
+||     SWAP2   @X[$d0],@X[$d0]         ; rotate by 16
+||     SWAP2   @X[$d1],@X[$d1]
+||     SWAP2   @X[$d2],@X[$d2]
+||     SWAP2   @X[$d3],@X[$d3]
+        ROTL   @Y[$d0],8,@Y[$d0]
+||      ROTL   @Y[$d3],8,@Y[$d3]
+||     ADD     @X[$d0],@X[$c2],@X[$c2]
+||     ADD     @X[$d1],@X[$c3],@X[$c3]
+||     ADD     @X[$d2],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c1],@X[$c1]
+||     BNOP    middle2x2?              ; protect from interrupt
+
+        ADD    @Y[$d1],@Y[$c1],@Y[$c1]
+||      ADD    @Y[$d2],@Y[$c2],@Y[$c2]
+||     XOR     @X[$c2],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b1],@X[$b1]
+||     XOR     @X[$c0],@X[$b2],@X[$b2]
+||     XOR     @X[$c1],@X[$b3],@X[$b3]
+        ADD    @Y[$d0],@Y[$c0],@Y[$c0]
+||      ADD    @Y[$d3],@Y[$c3],@Y[$c3]
+||      XOR    @Y[$c1],@Y[$b1],@Y[$b1]
+||      XOR    @Y[$c2],@Y[$b2],@Y[$b2]
+||      ROTL   @Y[$d1],0,@Y[$d2]       ; moved to avoid cross-path stall
+||      ROTL   @Y[$d2],0,@Y[$d3]
+        XOR    @Y[$c0],@Y[$b0],@Y[$b0]
+||      XOR    @Y[$c3],@Y[$b3],@Y[$b3]
+||      MV     @Y[$d0],@Y[$d1]
+||      MV     @Y[$d3],@Y[$d0]
+||     ROTL    @X[$b0],12,@X[$b0]
+||     ROTL    @X[$b1],12,@X[$b1]
+        ROTL   @Y[$b1],7,@Y[$b0]       ; avoided cross-path stall
+||      ROTL   @Y[$b2],7,@Y[$b1]
+        ROTL   @Y[$b0],7,@Y[$b3]
+||      ROTL   @Y[$b3],7,@Y[$b2]
+middle2x2?:
+
+       ROTL    @X[$b2],12,@X[$b2]
+||     ROTL    @X[$b3],12,@X[$b3]
+||      ADD    @Y[$b0],@Y[$a0],@Y[$a0]
+||      ADD    @Y[$b1],@Y[$a1],@Y[$a1]
+        ADD    @Y[$b2],@Y[$a2],@Y[$a2]
+||      ADD    @Y[$b3],@Y[$a3],@Y[$a3]
+
+||     ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b1],@X[$a1],@X[$a1]
+||      XOR    @Y[$a0],@Y[$d0],@Y[$d0]
+||      XOR    @Y[$a1],@Y[$d1],@Y[$d1]
+        XOR    @Y[$a2],@Y[$d2],@Y[$d2]
+||      XOR    @Y[$a3],@Y[$d3],@Y[$d3]
+||     ADD     @X[$b2],@X[$a2],@X[$a2]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+       XOR     @X[$a2],@X[$d2],@X[$d2]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     ROTL    @X[$d0],8,@X[$d0]
+||     ROTL    @X[$d1],8,@X[$d1]
+||      SWAP2  @Y[$d0],@Y[$d0]         ; rotate by 16
+||      SWAP2  @Y[$d1],@Y[$d1]
+||      SWAP2  @Y[$d2],@Y[$d2]
+||      SWAP2  @Y[$d3],@Y[$d3]
+       ROTL    @X[$d2],8,@X[$d2]
+||     ROTL    @X[$d3],8,@X[$d3]
+||      ADD    @Y[$d0],@Y[$c2],@Y[$c2]
+||      ADD    @Y[$d1],@Y[$c3],@Y[$c3]
+||      ADD    @Y[$d2],@Y[$c0],@Y[$c0]
+||      ADD    @Y[$d3],@Y[$c1],@Y[$c1]
+||     BNOP    bottom2x1?              ; protect from interrupt
+
+       ADD     @X[$d0],@X[$c2],@X[$c2]
+||     ADD     @X[$d1],@X[$c3],@X[$c3]
+||      XOR    @Y[$c2],@Y[$b0],@Y[$b0]
+||      XOR    @Y[$c3],@Y[$b1],@Y[$b1]
+||      XOR    @Y[$c0],@Y[$b2],@Y[$b2]
+||      XOR    @Y[$c1],@Y[$b3],@Y[$b3]
+       ADD     @X[$d2],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c1],@X[$c1]
+||     XOR     @X[$c2],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b1],@X[$b1]
+||     ROTL    @X[$d0],0,@X[$d3]       ; moved to avoid cross-path stall
+||     ROTL    @X[$d1],0,@X[$d0]
+       XOR     @X[$c0],@X[$b2],@X[$b2]
+||     XOR     @X[$c1],@X[$b3],@X[$b3]
+||     MV      @X[$d2],@X[$d1]
+||     MV      @X[$d3],@X[$d2]
+||      ROTL   @Y[$b0],12,@Y[$b0]
+||      ROTL   @Y[$b1],12,@Y[$b1]
+       ROTL    @X[$b0],7,@X[$b1]       ; avoided cross-path stall
+||     ROTL    @X[$b1],7,@X[$b2]
+       ROTL    @X[$b2],7,@X[$b3]
+||     ROTL    @X[$b3],7,@X[$b0]
+|| [B0]        SUB     B0,1,B0                 ; decrement inner loop counter
+bottom2x1?:
+
+        ROTL   @Y[$b2],12,@Y[$b2]
+||      ROTL   @Y[$b3],12,@Y[$b3]
+|| [B0]        ADD     @X[$b1],@X[$a1],@X[$a1] ; modulo-scheduled
+|| [B0]        ADD     @X[$b2],@X[$a2],@X[$a2]
+   [B0]        ADD     @X[$b0],@X[$a0],@X[$a0]
+|| [B0]        ADD     @X[$b3],@X[$a3],@X[$a3]
+
+||      ADD    @Y[$b0],@Y[$a0],@Y[$a0]
+||      ADD    @Y[$b1],@Y[$a1],@Y[$a1]
+|| [B0]        XOR     @X[$a1],@X[$d1],@X[$d1]
+|| [B0]        XOR     @X[$a2],@X[$d2],@X[$d2]
+   [B0]        XOR     @X[$a0],@X[$d0],@X[$d0]
+|| [B0]        XOR     @X[$a3],@X[$d3],@X[$d3]
+||      ADD    @Y[$b2],@Y[$a2],@Y[$a2]
+||      ADD    @Y[$b3],@Y[$a3],@Y[$a3]
+||      XOR    @Y[$a0],@Y[$d0],@Y[$d0]
+||      XOR    @Y[$a1],@Y[$d1],@Y[$d1]
+        XOR    @Y[$a2],@Y[$d2],@Y[$d2]
+||      XOR    @Y[$a3],@Y[$d3],@Y[$d3]
+||      ROTL   @Y[$d0],8,@Y[$d0]
+||      ROTL   @Y[$d1],8,@Y[$d1]
+|| [B0]        SWAP2   @X[$d1],@X[$d1]         ; rotate by 16
+|| [B0]        SWAP2   @X[$d2],@X[$d2]
+|| [B0]        SWAP2   @X[$d0],@X[$d0]
+|| [B0]        SWAP2   @X[$d3],@X[$d3]
+        ROTL   @Y[$d2],8,@Y[$d2]
+||      ROTL   @Y[$d3],8,@Y[$d3]
+|| [B0]        ADD     @X[$d1],@X[$c1],@X[$c1]
+|| [B0]        ADD     @X[$d2],@X[$c2],@X[$c2]
+|| [B0]        ADD     @X[$d0],@X[$c0],@X[$c0]
+|| [B0]        ADD     @X[$d3],@X[$c3],@X[$c3]
+|| [B0]        BNOP    top2x?                  ; even protects from interrupt
+
+        ADD    @Y[$d0],@Y[$c2],@Y[$c2]
+||      ADD    @Y[$d1],@Y[$c3],@Y[$c3]
+|| [B0]        XOR     @X[$c1],@X[$b1],@X[$b1]
+|| [B0]        XOR     @X[$c2],@X[$b2],@X[$b2]
+|| [B0]        XOR     @X[$c0],@X[$b0],@X[$b0]
+|| [B0]        XOR     @X[$c3],@X[$b3],@X[$b3]
+        ADD    @Y[$d2],@Y[$c0],@Y[$c0]
+||      ADD    @Y[$d3],@Y[$c1],@Y[$c1]
+||      XOR    @Y[$c2],@Y[$b0],@Y[$b0]
+||      XOR    @Y[$c3],@Y[$b1],@Y[$b1]
+||      ROTL   @Y[$d0],0,@Y[$d3]       ; moved to avoid cross-path stall
+||      ROTL   @Y[$d1],0,@Y[$d0]
+        XOR    @Y[$c0],@Y[$b2],@Y[$b2]
+||      XOR    @Y[$c1],@Y[$b3],@Y[$b3]
+||      MV     @Y[$d2],@Y[$d1]
+||      MV     @Y[$d3],@Y[$d2]
+|| [B0]        ROTL    @X[$b1],12,@X[$b1]
+|| [B0]        ROTL    @X[$b2],12,@X[$b2]
+        ROTL   @Y[$b0],7,@Y[$b1]       ; avoided cross-path stall
+||      ROTL   @Y[$b1],7,@Y[$b2]
+        ROTL   @Y[$b2],7,@Y[$b3]
+||      ROTL   @Y[$b3],7,@Y[$b0]
+bottom2x2?:
+___
+}
+
+$code.=<<___;
+       ADD     @K2x[0],@X[0],@X[0]     ; accumulate key material
+||     ADD     @K2x[1],@X[1],@X[1]
+||     ADD     @K2x[2],@X[2],@X[2]
+||     ADD     @K2x[3],@X[3],@X[3]
+        ADD    @K2x[0],@Y[0],@Y[0]
+||      ADD    @K2x[1],@Y[1],@Y[1]
+||      ADD    @K2x[2],@Y[2],@Y[2]
+||      ADD    @K2x[3],@Y[3],@Y[3]
+||     LDNDW   *${INP}++[8],@DAT[1]:@DAT[0]
+       ADD     @K2x[4],@X[4],@X[4]
+||     ADD     @K2x[5],@X[5],@X[5]
+||     ADD     @K2x[6],@X[6],@X[6]
+||     ADD     @K2x[7],@X[7],@X[7]
+||     LDNDW   *${INP}[-7],@DAT[3]:@DAT[2]
+        ADD    @K2x[4],@Y[4],@Y[4]
+||      ADD    @K2x[5],@Y[5],@Y[5]
+||      ADD    @K2x[6],@Y[6],@Y[6]
+||      ADD    @K2x[7],@Y[7],@Y[7]
+||     LDNDW   *${INP}[-6],@DAT[5]:@DAT[4]
+       ADD     @K2x[8],@X[8],@X[8]
+||     ADD     @K2x[9],@X[9],@X[9]
+||     ADD     @K2x[10],@X[10],@X[10]
+||     ADD     @K2x[11],@X[11],@X[11]
+||     LDNDW   *${INP}[-5],@DAT[7]:@DAT[6]
+        ADD    @K2x[8],@Y[8],@Y[8]
+||      ADD    @K2x[9],@Y[9],@Y[9]
+||      ADD    @K2x[10],@Y[10],@Y[10]
+||      ADD    @K2x[11],@Y[11],@Y[11]
+||     LDNDW   *${INP}[-4],@DAT[9]:@DAT[8]
+       ADD     @K2x[12],@X[12],@X[12]
+||     ADD     @K2x[13],@X[13],@X[13]
+||     ADD     @K2x[14],@X[14],@X[14]
+||     ADD     @K2x[15],@X[15],@X[15]
+||     LDNDW   *${INP}[-3],@DAT[11]:@DAT[10]
+        ADD    @K2x[12],@Y[12],@Y[12]
+||      ADD    @K2x[13],@Y[13],@Y[13]
+||      ADD    @K2x[14],@Y[14],@Y[14]
+||      ADD    @K2x[15],@Y[15],@Y[15]
+||     LDNDW   *${INP}[-2],@DAT[13]:@DAT[12]
+        ADD    1,@Y[12],@Y[12]         ; adjust counter for 2nd block
+||     ADD     2,@K2x[12],@K2x[12]     ; increment counter
+||     LDNDW   *${INP}[-1],@DAT[15]:@DAT[14]
+
+       .if     .BIG_ENDIAN
+       SWAP2   @X[0],@X[0]
+||     SWAP2   @X[1],@X[1]
+||     SWAP2   @X[2],@X[2]
+||     SWAP2   @X[3],@X[3]
+       SWAP2   @X[4],@X[4]
+||     SWAP2   @X[5],@X[5]
+||     SWAP2   @X[6],@X[6]
+||     SWAP2   @X[7],@X[7]
+       SWAP2   @X[8],@X[8]
+||     SWAP2   @X[9],@X[9]
+||     SWAP4   @X[0],@X[1]
+||     SWAP4   @X[1],@X[0]
+       SWAP2   @X[10],@X[10]
+||     SWAP2   @X[11],@X[11]
+||     SWAP4   @X[2],@X[3]
+||     SWAP4   @X[3],@X[2]
+       SWAP2   @X[12],@X[12]
+||     SWAP2   @X[13],@X[13]
+||     SWAP4   @X[4],@X[5]
+||     SWAP4   @X[5],@X[4]
+       SWAP2   @X[14],@X[14]
+||     SWAP2   @X[15],@X[15]
+||     SWAP4   @X[6],@X[7]
+||     SWAP4   @X[7],@X[6]
+       SWAP4   @X[8],@X[9]
+||     SWAP4   @X[9],@X[8]
+||      SWAP2  @Y[0],@Y[0]
+||      SWAP2  @Y[1],@Y[1]
+       SWAP4   @X[10],@X[11]
+||     SWAP4   @X[11],@X[10]
+||      SWAP2  @Y[2],@Y[2]
+||      SWAP2  @Y[3],@Y[3]
+       SWAP4   @X[12],@X[13]
+||     SWAP4   @X[13],@X[12]
+||      SWAP2  @Y[4],@Y[4]
+||      SWAP2  @Y[5],@Y[5]
+       SWAP4   @X[14],@X[15]
+||     SWAP4   @X[15],@X[14]
+||      SWAP2  @Y[6],@Y[6]
+||      SWAP2  @Y[7],@Y[7]
+        SWAP2  @Y[8],@Y[8]
+||      SWAP2  @Y[9],@Y[9]
+||      SWAP4  @Y[0],@Y[1]
+||      SWAP4  @Y[1],@Y[0]
+        SWAP2  @Y[10],@Y[10]
+||      SWAP2  @Y[11],@Y[11]
+||      SWAP4  @Y[2],@Y[3]
+||      SWAP4  @Y[3],@Y[2]
+        SWAP2  @Y[12],@Y[12]
+||      SWAP2  @Y[13],@Y[13]
+||      SWAP4  @Y[4],@Y[5]
+||      SWAP4  @Y[5],@Y[4]
+        SWAP2  @Y[14],@Y[14]
+||      SWAP2  @Y[15],@Y[15]
+||      SWAP4  @Y[6],@Y[7]
+||      SWAP4  @Y[7],@Y[6]
+        SWAP4  @Y[8],@Y[9]
+||      SWAP4  @Y[9],@Y[8]
+        SWAP4  @Y[10],@Y[11]
+||      SWAP4  @Y[11],@Y[10]
+        SWAP4  @Y[12],@Y[13]
+||      SWAP4  @Y[13],@Y[12]
+        SWAP4  @Y[14],@Y[15]
+||      SWAP4  @Y[15],@Y[14]
+       .endif
+
+       XOR     @DAT[0],@X[0],@X[0]     ; xor 1st block
+||     XOR     @DAT[3],@X[3],@X[3]
+||     XOR     @DAT[2],@X[2],@X[1]
+||     XOR     @DAT[1],@X[1],@X[2]
+||     LDNDW   *${INP}++[8],@DAT[1]:@DAT[0]
+       XOR     @DAT[4],@X[4],@X[4]
+||     XOR     @DAT[7],@X[7],@X[7]
+||     LDNDW   *${INP}[-7],@DAT[3]:@DAT[2]
+       XOR     @DAT[6],@X[6],@X[5]
+||     XOR     @DAT[5],@X[5],@X[6]
+||     LDNDW   *${INP}[-6],@DAT[5]:@DAT[4]
+       XOR     @DAT[8],@X[8],@X[8]
+||     XOR     @DAT[11],@X[11],@X[11]
+||     LDNDW   *${INP}[-5],@DAT[7]:@DAT[6]
+       XOR     @DAT[10],@X[10],@X[9]
+||     XOR     @DAT[9],@X[9],@X[10]
+||     LDNDW   *${INP}[-4],@DAT[9]:@DAT[8]
+       XOR     @DAT[12],@X[12],@X[12]
+||     XOR     @DAT[15],@X[15],@X[15]
+||     LDNDW   *${INP}[-3],@DAT[11]:@DAT[10]
+       XOR     @DAT[14],@X[14],@X[13]
+||     XOR     @DAT[13],@X[13],@X[14]
+||     LDNDW   *${INP}[-2],@DAT[13]:@DAT[12]
+   [A0]        SUB     A0,$STEP,A0             ; SUB   A0,128,A0
+||     LDNDW   *${INP}[-1],@DAT[15]:@DAT[14]
+
+       XOR     @Y[0],@DAT[0],@DAT[0]   ; xor 2nd block
+||     XOR     @Y[1],@DAT[1],@DAT[1]
+||     STNDW   @X[2]:@X[0],*${OUT}++[8]
+       XOR     @Y[2],@DAT[2],@DAT[2]
+||     XOR     @Y[3],@DAT[3],@DAT[3]
+||     STNDW   @X[3]:@X[1],*${OUT}[-7]
+       XOR     @Y[4],@DAT[4],@DAT[4]
+|| [A0]        LDDW    *FP[-12],@X[2]:@X[0]    ; re-load key material from stack
+|| [A0]        LDDW    *SP[2],  @X[3]:@X[1]
+       XOR     @Y[5],@DAT[5],@DAT[5]
+||     STNDW   @X[6]:@X[4],*${OUT}[-6]
+       XOR     @Y[6],@DAT[6],@DAT[6]
+||     XOR     @Y[7],@DAT[7],@DAT[7]
+||     STNDW   @X[7]:@X[5],*${OUT}[-5]
+       XOR     @Y[8],@DAT[8],@DAT[8]
+|| [A0]        LDDW    *FP[-10],@X[6]:@X[4]
+|| [A0]        LDDW    *SP[4],  @X[7]:@X[5]
+       XOR     @Y[9],@DAT[9],@DAT[9]
+||     STNDW   @X[10]:@X[8],*${OUT}[-4]
+       XOR     @Y[10],@DAT[10],@DAT[10]
+||     XOR     @Y[11],@DAT[11],@DAT[11]
+||     STNDW   @X[11]:@X[9],*${OUT}[-3]
+       XOR     @Y[12],@DAT[12],@DAT[12]
+|| [A0]        LDDW    *FP[-8], @X[10]:@X[8]
+|| [A0]        LDDW    *SP[6],  @X[11]:@X[9]
+       XOR     @Y[13],@DAT[13],@DAT[13]
+||     STNDW   @X[14]:@X[12],*${OUT}[-2]
+       XOR     @Y[14],@DAT[14],@DAT[14]
+||     XOR     @Y[15],@DAT[15],@DAT[15]
+||     STNDW   @X[15]:@X[13],*${OUT}[-1]
+
+   [A0]        MV      @K2x[12],@X[12]
+|| [A0]        MV      @K2x[13],@X[13]
+|| [A0]        LDW     *FP[-6*2], @X[14]
+|| [A0]        LDW     *SP[8*2],  @X[15]
+
+   [A0]        DMV     @X[2],@X[0],@Y[2]:@Y[0] ; duplicate key material
+||     STNDW   @DAT[1]:@DAT[0],*${OUT}++[8]
+   [A0]        DMV     @X[3],@X[1],@Y[3]:@Y[1]
+||     STNDW   @DAT[3]:@DAT[2],*${OUT}[-7]
+   [A0]        DMV     @X[6],@X[4],@Y[6]:@Y[4]
+||     STNDW   @DAT[5]:@DAT[4],*${OUT}[-6]
+||     CMPLTU  A0,$STEP,A1             ; is remaining length < 2*blocks?
+||[!A0]        BNOP    epilogue?
+   [A0]        DMV     @X[7],@X[5],@Y[7]:@Y[5]
+||     STNDW   @DAT[7]:@DAT[6],*${OUT}[-5]
+||[!A1]        BNOP    outer2x?
+   [A0]        DMV     @X[10],@X[8],@Y[10]:@Y[8]
+||     STNDW   @DAT[9]:@DAT[8],*${OUT}[-4]
+   [A0]        DMV     @X[11],@X[9],@Y[11]:@Y[9]
+||     STNDW   @DAT[11]:@DAT[10],*${OUT}[-3]
+   [A0]        DMV     @X[14],@X[12],@Y[14]:@Y[12]
+||     STNDW   @DAT[13]:@DAT[12],*${OUT}[-2]
+   [A0]        DMV     @X[15],@X[13],@Y[15]:@Y[13]
+||     STNDW   @DAT[15]:@DAT[14],*${OUT}[-1]
+;;===== branch to epilogue? is taken here
+   [A1]        MVK     64,$STEP
+|| [A0]        MVK     10,B0                   ; inner loop counter
+;;===== branch to outer2x? is taken here
+___
+{
+my ($a0,$a1,$a2,$a3) = (0..3);
+my ($b0,$b1,$b2,$b3) = (4..7);
+my ($c0,$c1,$c2,$c3) = (8..11);
+my ($d0,$d1,$d2,$d3) = (12..15);
+
+$code.=<<___;
+top1x?:
+       ADD     @X[$b1],@X[$a1],@X[$a1]
+||     ADD     @X[$b2],@X[$a2],@X[$a2]
+       ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+||     XOR     @X[$a2],@X[$d2],@X[$d2]
+       XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     SWAP2   @X[$d1],@X[$d1]         ; rotate by 16
+||     SWAP2   @X[$d2],@X[$d2]
+       SWAP2   @X[$d0],@X[$d0]
+||     SWAP2   @X[$d3],@X[$d3]
+
+||     ADD     @X[$d1],@X[$c1],@X[$c1]
+||     ADD     @X[$d2],@X[$c2],@X[$c2]
+       ADD     @X[$d0],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c3],@X[$c3]
+||     XOR     @X[$c1],@X[$b1],@X[$b1]
+||     XOR     @X[$c2],@X[$b2],@X[$b2]
+       XOR     @X[$c0],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b3],@X[$b3]
+||     ROTL    @X[$b1],12,@X[$b1]
+||     ROTL    @X[$b2],12,@X[$b2]
+       ROTL    @X[$b0],12,@X[$b0]
+||     ROTL    @X[$b3],12,@X[$b3]
+
+       ADD     @X[$b1],@X[$a1],@X[$a1]
+||     ADD     @X[$b2],@X[$a2],@X[$a2]
+       ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+||     XOR     @X[$a2],@X[$d2],@X[$d2]
+       XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     ROTL    @X[$d1],8,@X[$d1]
+||     ROTL    @X[$d2],8,@X[$d2]
+       ROTL    @X[$d0],8,@X[$d0]
+||     ROTL    @X[$d3],8,@X[$d3]
+||     BNOP    middle1x?               ; protect from interrupt
+
+       ADD     @X[$d1],@X[$c1],@X[$c1]
+||     ADD     @X[$d2],@X[$c2],@X[$c2]
+       ADD     @X[$d0],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c3],@X[$c3]
+||     XOR     @X[$c1],@X[$b1],@X[$b1]
+||     XOR     @X[$c2],@X[$b2],@X[$b2]
+||     ROTL    @X[$d1],0,@X[$d2]       ; moved to avoid cross-path stall
+||     ROTL    @X[$d2],0,@X[$d3]
+       XOR     @X[$c0],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b3],@X[$b3]
+||     ROTL    @X[$d0],0,@X[$d1]
+||     ROTL    @X[$d3],0,@X[$d0]
+       ROTL    @X[$b1],7,@X[$b0]       ; avoided cross-path stall
+||     ROTL    @X[$b2],7,@X[$b1]
+       ROTL    @X[$b0],7,@X[$b3]
+||     ROTL    @X[$b3],7,@X[$b2]
+middle1x?:
+
+       ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b1],@X[$a1],@X[$a1]
+       ADD     @X[$b2],@X[$a2],@X[$a2]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+       XOR     @X[$a2],@X[$d2],@X[$d2]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     SWAP2   @X[$d0],@X[$d0]         ; rotate by 16
+||     SWAP2   @X[$d1],@X[$d1]
+       SWAP2   @X[$d2],@X[$d2]
+||     SWAP2   @X[$d3],@X[$d3]
+
+||     ADD     @X[$d0],@X[$c2],@X[$c2]
+||     ADD     @X[$d1],@X[$c3],@X[$c3]
+       ADD     @X[$d2],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c1],@X[$c1]
+||     XOR     @X[$c2],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b1],@X[$b1]
+       XOR     @X[$c0],@X[$b2],@X[$b2]
+||     XOR     @X[$c1],@X[$b3],@X[$b3]
+||     ROTL    @X[$b0],12,@X[$b0]
+||     ROTL    @X[$b1],12,@X[$b1]
+       ROTL    @X[$b2],12,@X[$b2]
+||     ROTL    @X[$b3],12,@X[$b3]
+
+       ADD     @X[$b0],@X[$a0],@X[$a0]
+||     ADD     @X[$b1],@X[$a1],@X[$a1]
+|| [B0]        SUB     B0,1,B0                 ; decrement inner loop counter
+       ADD     @X[$b2],@X[$a2],@X[$a2]
+||     ADD     @X[$b3],@X[$a3],@X[$a3]
+||     XOR     @X[$a0],@X[$d0],@X[$d0]
+||     XOR     @X[$a1],@X[$d1],@X[$d1]
+       XOR     @X[$a2],@X[$d2],@X[$d2]
+||     XOR     @X[$a3],@X[$d3],@X[$d3]
+||     ROTL    @X[$d0],8,@X[$d0]
+||     ROTL    @X[$d1],8,@X[$d1]
+       ROTL    @X[$d2],8,@X[$d2]
+||     ROTL    @X[$d3],8,@X[$d3]
+|| [B0]        BNOP    top1x?                  ; even protects from interrupt
+
+       ADD     @X[$d0],@X[$c2],@X[$c2]
+||     ADD     @X[$d1],@X[$c3],@X[$c3]
+       ADD     @X[$d2],@X[$c0],@X[$c0]
+||     ADD     @X[$d3],@X[$c1],@X[$c1]
+||     XOR     @X[$c2],@X[$b0],@X[$b0]
+||     XOR     @X[$c3],@X[$b1],@X[$b1]
+||     ROTL    @X[$d0],0,@X[$d3]       ; moved to avoid cross-path stall
+||     ROTL    @X[$d1],0,@X[$d0]
+       XOR     @X[$c0],@X[$b2],@X[$b2]
+||     XOR     @X[$c1],@X[$b3],@X[$b3]
+||     ROTL    @X[$d2],0,@X[$d1]
+||     ROTL    @X[$d3],0,@X[$d2]
+       ROTL    @X[$b0],7,@X[$b1]       ; avoided cross-path stall
+||     ROTL    @X[$b1],7,@X[$b2]
+       ROTL    @X[$b2],7,@X[$b3]
+||     ROTL    @X[$b3],7,@X[$b0]
+||[!B0]        CMPLTU  A0,$STEP,A1             ; less than 64 bytes left?
+bottom1x?:
+___
+}
+
+$code.=<<___;
+       ADD     @Y[0],@X[0],@X[0]       ; accumulate key material
+||     ADD     @Y[1],@X[1],@X[1]
+||     ADD     @Y[2],@X[2],@X[2]
+||     ADD     @Y[3],@X[3],@X[3]
+||[!A1]        LDNDW   *${INP}++[8],@DAT[1]:@DAT[0]
+|| [A1]        BNOP    tail?
+       ADD     @Y[4],@X[4],@X[4]
+||     ADD     @Y[5],@X[5],@X[5]
+||     ADD     @Y[6],@X[6],@X[6]
+||     ADD     @Y[7],@X[7],@X[7]
+||[!A1]        LDNDW   *${INP}[-7],@DAT[3]:@DAT[2]
+       ADD     @Y[8],@X[8],@X[8]
+||     ADD     @Y[9],@X[9],@X[9]
+||     ADD     @Y[10],@X[10],@X[10]
+||     ADD     @Y[11],@X[11],@X[11]
+||[!A1]        LDNDW   *${INP}[-6],@DAT[5]:@DAT[4]
+       ADD     @Y[12],@X[12],@X[12]
+||     ADD     @Y[13],@X[13],@X[13]
+||     ADD     @Y[14],@X[14],@X[14]
+||     ADD     @Y[15],@X[15],@X[15]
+||[!A1]        LDNDW   *${INP}[-5],@DAT[7]:@DAT[6]
+  [!A1]        LDNDW   *${INP}[-4],@DAT[9]:@DAT[8]
+  [!A1]        LDNDW   *${INP}[-3],@DAT[11]:@DAT[10]
+       LDNDW   *${INP}[-2],@DAT[13]:@DAT[12]
+       LDNDW   *${INP}[-1],@DAT[15]:@DAT[14]
+
+       .if     .BIG_ENDIAN
+       SWAP2   @X[0],@X[0]
+||     SWAP2   @X[1],@X[1]
+||     SWAP2   @X[2],@X[2]
+||     SWAP2   @X[3],@X[3]
+       SWAP2   @X[4],@X[4]
+||     SWAP2   @X[5],@X[5]
+||     SWAP2   @X[6],@X[6]
+||     SWAP2   @X[7],@X[7]
+       SWAP2   @X[8],@X[8]
+||     SWAP2   @X[9],@X[9]
+||     SWAP4   @X[0],@X[1]
+||     SWAP4   @X[1],@X[0]
+       SWAP2   @X[10],@X[10]
+||     SWAP2   @X[11],@X[11]
+||     SWAP4   @X[2],@X[3]
+||     SWAP4   @X[3],@X[2]
+       SWAP2   @X[12],@X[12]
+||     SWAP2   @X[13],@X[13]
+||     SWAP4   @X[4],@X[5]
+||     SWAP4   @X[5],@X[4]
+       SWAP2   @X[14],@X[14]
+||     SWAP2   @X[15],@X[15]
+||     SWAP4   @X[6],@X[7]
+||     SWAP4   @X[7],@X[6]
+       SWAP4   @X[8],@X[9]
+||     SWAP4   @X[9],@X[8]
+       SWAP4   @X[10],@X[11]
+||     SWAP4   @X[11],@X[10]
+       SWAP4   @X[12],@X[13]
+||     SWAP4   @X[13],@X[12]
+       SWAP4   @X[14],@X[15]
+||     SWAP4   @X[15],@X[14]
+       .else
+       NOP     1
+       .endif
+
+       XOR     @X[0],@DAT[0],@DAT[0]   ; xor with input
+||     XOR     @X[1],@DAT[1],@DAT[1]
+||     XOR     @X[2],@DAT[2],@DAT[2]
+||     XOR     @X[3],@DAT[3],@DAT[3]
+|| [A0]        SUB     A0,$STEP,A0             ; SUB   A0,64,A0
+       XOR     @X[4],@DAT[4],@DAT[4]
+||     XOR     @X[5],@DAT[5],@DAT[5]
+||     XOR     @X[6],@DAT[6],@DAT[6]
+||     XOR     @X[7],@DAT[7],@DAT[7]
+||     STNDW   @DAT[1]:@DAT[0],*${OUT}++[8]
+       XOR     @X[8],@DAT[8],@DAT[8]
+||     XOR     @X[9],@DAT[9],@DAT[9]
+||     XOR     @X[10],@DAT[10],@DAT[10]
+||     XOR     @X[11],@DAT[11],@DAT[11]
+||     STNDW   @DAT[3]:@DAT[2],*${OUT}[-7]
+       XOR     @X[12],@DAT[12],@DAT[12]
+||     XOR     @X[13],@DAT[13],@DAT[13]
+||     XOR     @X[14],@DAT[14],@DAT[14]
+||     XOR     @X[15],@DAT[15],@DAT[15]
+||     STNDW   @DAT[5]:@DAT[4],*${OUT}[-6]
+|| [A0]        BNOP    top1x?
+   [A0]        DMV     @Y[2],@Y[0],@X[2]:@X[0] ; duplicate key material
+|| [A0]        DMV     @Y[3],@Y[1],@X[3]:@X[1]
+||     STNDW   @DAT[7]:@DAT[6],*${OUT}[-5]
+   [A0]        DMV     @Y[6],@Y[4],@X[6]:@X[4]
+|| [A0]        DMV     @Y[7],@Y[5],@X[7]:@X[5]
+||     STNDW   @DAT[9]:@DAT[8],*${OUT}[-4]
+   [A0]        DMV     @Y[10],@Y[8],@X[10]:@X[8]
+|| [A0]        DMV     @Y[11],@Y[9],@X[11]:@X[9]
+|| [A0]        ADD     1,@Y[12],@Y[12]         ; increment counter
+||     STNDW   @DAT[11]:@DAT[10],*${OUT}[-3]
+   [A0]        DMV     @Y[14],@Y[12],@X[14]:@X[12]
+|| [A0]        DMV     @Y[15],@Y[13],@X[15]:@X[13]
+||     STNDW   @DAT[13]:@DAT[12],*${OUT}[-2]
+   [A0]        MVK     10,B0                   ; inner loop counter
+||     STNDW   @DAT[15]:@DAT[14],*${OUT}[-1]
+;;===== branch to top1x? is taken here
+
+epilogue?:
+       LDDW    *FP[-4],A11:A10         ; ABI says so
+       LDDW    *FP[-3],A13:A12
+||     LDDW    *SP[3+8],B11:B10
+       LDDW    *SP[4+8],B13:B12
+||     BNOP    RA
+       LDW     *++SP(40+64),FP         ; restore frame pointer
+       NOP     4
+
+tail?:
+       LDBU    *${INP}++[1],B24        ; load byte by byte
+||     SUB     A0,1,A0
+||     SUB     A0,1,B1
+  [!B1]        BNOP    epilogue?               ; interrupts are disabled for whole time
+|| [A0] LDBU   *${INP}++[1],B24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+  [!B1]        BNOP    epilogue?
+|| [A0] LDBU   *${INP}++[1],B24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+  [!B1]        BNOP    epilogue?
+||     ROTL    @X[0],0,A24
+|| [A0] LDBU   *${INP}++[1],B24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+  [!B1]        BNOP    epilogue?
+||     ROTL    @X[0],24,A24
+|| [A0] LDBU   *${INP}++[1],A24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+  [!B1]        BNOP    epilogue?
+||     ROTL    @X[0],16,A24
+|| [A0] LDBU   *${INP}++[1],A24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,B25
+       STB     B25,*${OUT}++[1]        ; store byte by byte
+||[!B1]        BNOP    epilogue?
+||     ROTL    @X[0],8,A24
+|| [A0] LDBU   *${INP}++[1],A24
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,B25
+       STB     B25,*${OUT}++[1]
+___
+sub TAIL_STEP {
+my $Xi= shift;
+my $T = ($Xi=~/^B/?"B24":"A24");       # match @X[i] to avoid cross path
+my $D = $T; $D=~tr/AB/BA/;
+my $O = $D; $O=~s/24/25/;
+
+$code.=<<___;
+||[!B1]        BNOP    epilogue?
+||     ROTL    $Xi,0,$T
+|| [A0] LDBU   *${INP}++[1],$D
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,$O
+       STB     $O,*${OUT}++[1]
+||[!B1]        BNOP    epilogue?
+||     ROTL    $Xi,24,$T
+|| [A0] LDBU   *${INP}++[1],$T
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,$O
+       STB     $O,*${OUT}++[1]
+||[!B1]        BNOP    epilogue?
+||     ROTL    $Xi,16,$T
+|| [A0] LDBU   *${INP}++[1],$T
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,$O
+       STB     $O,*${OUT}++[1]
+||[!B1]        BNOP    epilogue?
+||     ROTL    $Xi,8,$T
+|| [A0] LDBU   *${INP}++[1],$T
+|| [A0]        SUB     A0,1,A0
+||     SUB     B1,1,B1
+||     XOR     A24,B24,$O
+       STB     $O,*${OUT}++[1]
+___
+}
+       foreach (1..14) { TAIL_STEP(@X[$_]); }
+$code.=<<___;
+||[!B1]        BNOP    epilogue?
+||     ROTL    @X[15],0,B24
+||     XOR     A24,B24,A25
+       STB     A25,*${OUT}++[1]
+||     ROTL    @X[15],24,B24
+||     XOR     A24,B24,A25
+       STB     A25,*${OUT}++[1]
+||     ROTL    @X[15],16,B24
+||     XOR     A24,B24,A25
+       STB     A25,*${OUT}++[1]
+||     XOR     A24,B24,A25
+       STB     A25,*${OUT}++[1]
+||     XOR     A24,B24,B25
+       STB     B25,*${OUT}++[1]
+       .endasmfunc
+
+       .sect   .const
+       .cstring "ChaCha20 for C64x+, CRYPTOGAMS by <appro\@openssl.org>"
+       .align  4
+___
+
+print $code;
+close STDOUT;