Glorious Model D Wired Gaming Mouse - Matte Black vs Glorious Model I 2
Glorious Model I 2 — Glorious Model I 2을(를) 고르세요 — 이 그룹에서 앞섭니다: 디자인 1
그룹명을 눌러 근거 확인 · 점수 산출 방식은 공개되어 있습니다
요약
Glorious Model I 2가 59/100으로 승리합니다(Glorious Model D Wired Gaming Mouse - Matte Black 48).
주요 차이: 센서 (Optical vs BAMF 2.0) · 무게 (61 g vs 75 g) · 버튼 (6 vs 9).
점수는 10개 공개 사양에서 계산됩니다. 누락된 값은 미확인으로 표시되고 카테고리 중앙값으로 대체되며 실측으로 가장하지 않습니다.
한눈에 보기
그룹별 0–100, 카테고리 내 정규화 · 그룹명 누르면 상세로
고르는 방법
Glorious Model D Wired Gaming Mouse - Matte Black, 중요한 게…
- 무게 61 g +14 g vs 75 g
Glorious Model I 2, 중요한 게…
- 버튼 9 +3 vs 6
최저가
저렴한 대안
Razer Viper V3 Pro
Logitech G Pro X Superlight 2
Zowie EC2-CW
Pulsar X2V2 Mini
Logitech MX Master 3S
Glacier LW 8K L Mouse
차이점
3 · 실제로 다른 행만, 행마다 판정
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | 차이점 | |
|---|---|---|---|
| 센서 | Optical | BAMF 2.0 | 판단에 따라 |
| 무게 | 61 g | 75 g | Glorious Model D Wired Gaming Mouse - Matte Black |
| 버튼 | 6 | 9 | Glorious Model I 2 |
전체 스펙
그룹별 접기 · 그룹명 눌러 접기
성능3▾
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | |
|---|---|---|
| 최대 DPI | — | 26000 DPI |
| 센서 | Optical | BAMF 2.0 |
| 무게 | 61 g | 75 g |
디자인2▾
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | |
|---|---|---|
| 버튼 | 6 | 9 |
| RGB 조명 | — | ✓ |
연결3▾
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | |
|---|---|---|
| 유선 | ✓ | ✓ |
| 블루투스 | — | — |
| 2.4GHz 무선 | — | ✓ |
배터리1▾
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | |
|---|---|---|
| 배터리 수명 | — | 110 h |
가치1▾
| Glorious Model D Wired Gaming Mouse - Matte Black | Glorious Model I 2 | |
|---|---|---|
| 가격 | — | 90 USD |
데이터 출처: Amazon
자주 묻는 질문
Glorious Model D Wired Gaming Mouse - Matte Black과(와) Glorious Model I 2 중 무엇이 더 좋나요?
Glorious Model I 2의 종합 점수가 더 높습니다(59 대 48), 디자인에서 앞섭니다. 무게이(가) 더 중요하다면 Glorious Model D Wired Gaming Mouse - Matte Black를 선택하세요.
주요 차이점은 무엇인가요?
주요 차이: 센서 (Optical vs BAMF 2.0) · 무게 (61 g vs 75 g) · 버튼 (6 vs 9).
점수는 어떻게 계산되나요?
10개 공개 사양을 카테고리 내에서 정규화하고 그룹별 가중치로 0–100점을 매깁니다. 누락 데이터는 동일 사양 모델에서 상속하거나 카테고리 중앙값으로 대체하므로 사양이 적은 제품이 유리해지지 않습니다. 방법론은 공개되어 있습니다.