ну, thread_n 224 - мне не кажется разумным (если я правильно догадался как увас запускается kernel)
если на 512 производительность не падает.

t=224 g=256 - 671 мегаключ
t=256 g=256 - 672
t=288 g=256 - 690
и максимум я получил на t=608 (а дальше скачок вниз, ну да это все понятно почему)

Но что-бы чуть более предметно понять суть параметров - хочется понять про параметры вызова kernel
1) сетка одномерная или двумерная (или трехмерная?)
2) threads per block - ровно столько

Если сетка двумерная,конечно хотелось бы два параметра (grid_x/grid_y), ибо расти в квадрат раз - слишком много.

Правда с таймингами есть странность - на пустой машине (больше ничего нет разумного) может все просесть секунд на 20-30, потом вернуться обратно.