KJ1000F-A10 KJ1000F-A10 vs KJ100G-A01 KJ100G-A01
KJ100G-A01 KJ100G-A01 — Pilih KJ100G-A01 KJ100G-A01 — unggul di grup ini: Kebisingan 1 Efisiensi 1
Ketuk grup untuk melihat buktinya · Metode skor kami publik
Singkatnya
KJ100G-A01 KJ100G-A01 memenangkan perbandingan ini dengan 76/100, di atas KJ1000F-A10 KJ1000F-A10 (43).
Perbedaan utama: Tingkat kebisingan (68.8 dB vs 36 dB) · Daya (110 W vs 10 W).
Skor dihitung dari 2 spesifikasi publik; data yang hilang ditandai unknown dan diisi dengan median kategori, tidak diklaim sebagai terukur.
Sekilas
0–100 per grup, dinormalisasi dalam kategori · Ketuk grup untuk detail
| KJ1000F-A10 KJ1000F-A10 | KJ100G-A01 KJ100G-A01 | |
|---|---|---|
| Kebisingan | 2 | 57 |
| Efisiensi | 95 | 100 |
Cara memilih
Pilih KJ100G-A01 KJ100G-A01 jika yang Anda utamakan…
- Tingkat kebisingan 36 dB +32.8 dB vs 68.8 dB
- Daya 10 W +100 W vs 110 W
Harga terbaik
Alternatif lebih murah
Xiaomi Xiaomi Air Purifier4Pro
Xiaomi Xiaomi Air Purifier5S
IQAir Atem X
airpal VB110 V-B110
LEXY AP33
Xiaomi 3 Max CJSJSQ01ZM
Di mana bedanya
2 · Hanya baris yang berbeda, dengan vonis per baris
| KJ1000F-A10 KJ1000F-A10 | KJ100G-A01 KJ100G-A01 | Di mana bedanya | |
|---|---|---|---|
| Tingkat kebisingan | 68.8 dB | 36 dB | KJ100G-A01 KJ100G-A01 |
| Daya | 110 W | 10 W | KJ100G-A01 KJ100G-A01 |
Spesifikasi lengkap
Dikelompokkan dan bisa dilipat · Ketuk grup untuk melipat
Kebisingan1▾
| KJ1000F-A10 KJ1000F-A10 | KJ100G-A01 KJ100G-A01 | |
|---|---|---|
| Tingkat kebisingan | 68.8 dB | 36 dB |
Efisiensi1▾
| KJ1000F-A10 KJ1000F-A10 | KJ100G-A01 KJ100G-A01 | |
|---|---|---|
| Daya | 110 W | 10 W |
Sumber data: GSMArena
Tanya jawab
Mana yang lebih baik, KJ1000F-A10 KJ1000F-A10 atau KJ100G-A01 KJ100G-A01?
KJ100G-A01 KJ100G-A01 punya skor keseluruhan lebih tinggi (76 vs 43) dan unggul di Kebisingan, Efisiensi.
Apa perbedaan utamanya?
Perbedaan utama: Tingkat kebisingan (68.8 dB vs 36 dB) · Daya (110 W vs 10 W).
Bagaimana skornya dihitung?
Kami menormalisasi 2 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.