在本文中，我们证明了在考虑干扰参数的个别序列的情况下，全混合模型的著名渐近效率界仍然有效。这对于某些类别的随机（i.i.d.）和非随机干扰参数都是精确的。对于随机情况，证明了Pfanzagl示例所给出的那种超效率只能在低概率下发生。非随机情形研究一维冗余参数下的置换变估计。结果表明，对于单个非随机干扰参数数组，如果其经验过程以其极限为中心并进行标准化，则效率界仍然有效，并且满足紧性条件。紧致性条件在随机情况下以高概率得到满足。结果利用了基本的局域网理论。正则性条件用$L^2$-可微性来表示。