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

[Founder's Edition] X2 v2 Medium Gaming Mouse vs [Founder's Edition] X2 v2 Mini Gaming Mouse

Kurz gesagt

Knappes Rennen: [Founder's Edition] X2 v2 Medium Gaming Mouse / [Founder's Edition] X2 v2 Mini Gaming Mouse liegen gleichauf mit 50/100.

Die Scores werden aus 5 öffentlichen Spezifikationen berechnet; fehlende Werte bleiben unbekannt markiert und werden mit dem Kategorie-Median imputiert.

[Founder's Edition] X2 v2 Medium Gaming Mouse

[Founder's Edition] X2 v2 Medium Gaming Mouse

Pulsar
50Punkte / 100
0 Vorteile · 4 Gleichstände
[Founder's Edition] X2 v2 Mini Gaming Mouse

[Founder's Edition] X2 v2 Mini Gaming Mouse

Pulsar
50Punkte / 100
0 Vorteile · 4 Gleichstände

Auf einen Blick

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

[Founder's Edition] X2 v2 Medium Gaming Mouse[Founder's Edition] X2 v2 Mini Gaming Mouse
Leistung 62 62
Design 30 30
Verbinden 68 68

Bester Preis jetzt

Günstige Alternativen

Das komplette Datenblatt

Gruppiert und einklappbar · Gruppe antippen zum Einklappen

Leistung3▾
[Founder's Edition] X2 v2 Medium Gaming Mouse[Founder's Edition] X2 v2 Mini Gaming Mouse
Max. DPI 26000 DPI 26000 DPI
Sensor Optical Optical
Gewicht 51 g 51 g
Design1▾
[Founder's Edition] X2 v2 Medium Gaming Mouse[Founder's Edition] X2 v2 Mini Gaming Mouse
Tasten 5 5
Verbinden1▾
[Founder's Edition] X2 v2 Medium Gaming Mouse[Founder's Edition] X2 v2 Mini Gaming Mouse
Kabelgebunden — —

Datenquellen: Amazon

Häufige Fragen

Welches ist besser, [Founder's Edition] X2 v2 Medium Gaming Mouse oder [Founder's Edition] X2 v2 Mini Gaming Mouse?

Knappes Rennen: [Founder's Edition] X2 v2 Medium Gaming Mouse / [Founder's Edition] X2 v2 Mini Gaming Mouse liegen gleichauf mit 50/100.

Was sind die Hauptunterschiede?

Die Scores werden aus 5 öffentlichen Spezifikationen berechnet; fehlende Werte bleiben unbekannt markiert und werden mit dem Kategorie-Median imputiert.

Wie werden die Scores berechnet?

Wir normalisieren 5 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.