Deutsch
Technik →
Computer →
Audio & Video →
Smart Home →
Hautpflege →
Städte & Orte →

Cherry Cherry KC1000 vs Cherry MX board2.0

🏆 Entschieden

Cherry Cherry KC1000 — Nimm das Cherry Cherry KC1000 — es führt bei diesen Gruppen: Design 1

Gruppe antippen für den Beweis · Die Bewertungsmethode ist öffentlich

Kurz gesagt

Cherry Cherry KC1000 gewinnt diesen Vergleich mit 56.3/100, vor Cherry MX board2.0 (56.2).

Die wichtigsten Unterschiede: Tastenanzahl (108 vs 104) · Switch-Typ (薄膜 vs 机械轴(黑轴)).

Die Scores werden aus 4 öffentlichen Spezifikationen berechnet; fehlende Werte bleiben unbekannt markiert und werden mit dem Kategorie-Median imputiert.

🏆 Gesamtsieger Cherry Cherry KC1000

Cherry Cherry KC1000

Cherry
56Punkte / 100
1 Vorteil · 1 Gleichstand
Cherry MX board2.0

Cherry MX board2.0

Cherry
56Punkte / 100
0 Vorteile · 2 Gleichstände

Auf einen Blick

0–100 pro Gruppe, normalisiert in der Kategorie · Gruppe antippen für Details

Cherry Cherry KC1000Cherry MX board2.0
Design 71 71
Verbinden 32 32

Wie wählen

Nimm das Cherry Cherry KC1000, wenn dir wichtig ist…

  • Tastenanzahl 108 +4 vs 104

Bester Preis jetzt

Günstige Alternativen

Wo sie sich unterscheiden

2 · Nur abweichende Zeilen, mit Urteil pro Zeile

Cherry Cherry KC1000Cherry MX board2.0Wo sie sich unterscheiden
Tastenanzahl 108104 Cherry Cherry KC1000
Switch-Typ 薄膜机械轴(黑轴) Kommt darauf an

Das komplette Datenblatt

Gruppiert und einklappbar · Gruppe antippen zum Einklappen

Design2▾
Cherry Cherry KC1000Cherry MX board2.0
Layout 全尺寸式 全尺寸式
Tastenanzahl 108 104
Verbinden1▾
Cherry Cherry KC1000Cherry MX board2.0
2,4-GHz-Funk — —
Haptik1▾
Cherry Cherry KC1000Cherry MX board2.0
Switch-Typ 薄膜 机械轴(黑轴)

Datenquellen: GSMArena

Häufige Fragen

Welches ist besser, Cherry Cherry KC1000 oder Cherry MX board2.0?

Cherry Cherry KC1000 liegt knapp vorn, 56 zu 56 und führt bei Design.

Was sind die Hauptunterschiede?

Die wichtigsten Unterschiede: Tastenanzahl (108 vs 104) · Switch-Typ (薄膜 vs 机械轴(黑轴)).

Wie werden die Scores berechnet?

Wir normalisieren 4 öffentliche Spezifikationen innerhalb der Kategorie und gewichten sie nach Gruppe für einen Score von 0–100; fehlende Werte werden von Modellen mit identischen Spezifikationen geerbt oder mit dem Kategoriemedian imputiert, sodass eine dünne Datenblatt nie begünstigt wird. Die Methodik ist öffentlich.