Стабильные результаты я вижу у себя дома, я имею привычку при тестировании кода выдавать апачу приоритет реального времени. В это случае если нет дргих активных процессов с таким же приоритетом нестабильность результатов проявляется в последнем, или предпоследнем знаках. ab здесь просто отдыхает, при переключении между процессами добавляется столько ошибок, что тут нечего обсуждать, к томуже дискрет времени исполнения отображаемый ab в 500 - 10000 раз хуже (больше) моего теста (зависит от количества вызовов тестируемого скрипта, чтобы набрать мелкий дискрет усреднения нужны десятки тысяч вызовов). ab я применяю там где он действительно полезен, а не там где это кажется необходимым тем кто в тестировании особенно не разбирается.