Indonesia
Teknologi →
Komputer →
Audio & Video →
Rumah Pintar →
Perawatan Kulit →
Kota & Tempat →

Cherry Cherry KC1000 vs Cherry MX board2.0

🏆 Sudah diputuskan

Cherry Cherry KC1000 — Pilih Cherry Cherry KC1000 — unggul di grup ini: Desain 1

Ketuk grup untuk melihat buktinya · Metode skor kami publik

Singkatnya

Cherry Cherry KC1000 memenangkan perbandingan ini dengan 56.3/100, di atas Cherry MX board2.0 (56.2).

Perbedaan utama: Jumlah tombol (108 vs 104) · Jenis sakelar (薄膜 vs 机械轴(黑轴)).

Skor dihitung dari 4 spesifikasi publik; data yang hilang ditandai unknown dan diisi dengan median kategori, tidak diklaim sebagai terukur.

🏆 Pemenang keseluruhan Cherry Cherry KC1000

Cherry Cherry KC1000

Cherry
56skor / 100
1 unggul · 1 seri
Cherry MX board2.0

Cherry MX board2.0

Cherry
56skor / 100
0 unggul · 2 seri

Sekilas

0–100 per grup, dinormalisasi dalam kategori · Ketuk grup untuk detail

Cherry Cherry KC1000Cherry MX board2.0
Desain 71 71
Koneksi 32 32

Cara memilih

Pilih Cherry Cherry KC1000 jika yang Anda utamakan…

  • Jumlah tombol 108 +4 vs 104

Harga terbaik

Alternatif lebih murah

Di mana bedanya

2 · Hanya baris yang berbeda, dengan vonis per baris

Cherry Cherry KC1000Cherry MX board2.0Di mana bedanya
Jumlah tombol 108104 Cherry Cherry KC1000
Jenis sakelar 薄膜机械轴(黑轴) Tergantung

Spesifikasi lengkap

Dikelompokkan dan bisa dilipat · Ketuk grup untuk melipat

Desain2▾
Cherry Cherry KC1000Cherry MX board2.0
Tata letak 全尺寸式 全尺寸式
Jumlah tombol 108 104
Koneksi1▾
Cherry Cherry KC1000Cherry MX board2.0
Nirkabel 2.4GHz — —
Sentuhan1▾
Cherry Cherry KC1000Cherry MX board2.0
Jenis sakelar 薄膜 机械轴(黑轴)

Sumber data: GSMArena

Tanya jawab

Mana yang lebih baik, Cherry Cherry KC1000 atau Cherry MX board2.0?

Cherry Cherry KC1000 unggul tipis, 56 berbanding 56 dan unggul di Desain.

Apa perbedaan utamanya?

Perbedaan utama: Jumlah tombol (108 vs 104) · Jenis sakelar (薄膜 vs 机械轴(黑轴)).

Bagaimana skornya dihitung?

Kami menormalisasi 4 spesifikasi publik di dalam kategori dan memberi bobot per grup untuk skor 0–100; nilai yang hilang diwarisi dari model dengan spesifikasi identik atau diimputasi dengan median kategori, jadi data yang lengkap tidak diuntungkan. Metodologinya publik.