为何GCC对std::vector<float>条件乘法的向量化远逊于Clang？

考虑以下float类型的循环，使用-O3 -mavx2 -mfma编译：

for (auto i = 0; i < a.size(); ++i) {
    a[i] = (b[i] > c[i]) ? (b[i] * c[i]) : 0;
}

Clang能完美完成向量化：它使用256位ymm寄存器，通过vblendps/vandps指令组合实现最优性能，对应的核心汇编如下：

.LBB0_7:
        vcmpltps        ymm2, ymm1, ymm0
        vmulps  ymm0, ymm0, ymm1
        vandps  ymm0, ymm2, ymm0

但GCC的表现差很多：它始终无法突破SSE 128位向量的限制，即使添加-mprefer-vector-width=256参数也没用，生成的核心汇编是逐标量处理的：

.L6:
        vcomiss xmm0, xmm1
        vmulss  xmm0, xmm0, xmm1
        vmovss  DWORD PTR [rcx+rax*4], xmm0

按照GCC向量化文档说明，若将容器替换为固定大小的普通数组，GCC就能正常生成AVX ymm指令的向量化代码，示例如下：

int a[256], b[256], c[256];
auto foo (int *a, int *b, int *c) {
  int i;
  for (i=0; i<256; i++){
    a[i] =  (b[i] > c[i]) ? (b[i] * c[i]) : 0;
  }
}

目前尚未找到针对变长std::vector实现该效果的方法，需要给GCC添加何种提示，才能让它对std::vector的循环进行AVX向量化？

测试基于GCC 13.1与Clang 14.0.0

内容的提问来源于stack exchange，提问作者Vladislav