Русский
Техника →
Компьютеры →
Аудио и видео →
Умный дом →
Уход за кожей →
Города и регионы →

Cherry Cherry KC1000 vs Cherry MX board2.0

🏆 Решено

Cherry Cherry KC1000 — Берите Cherry Cherry KC1000 — он лидирует в этих группах: Дизайн 1

Нажмите на группу, чтобы увидеть доказательства · Метод подсчёта открыт

Коротко

Cherry Cherry KC1000 выигрывает это сравнение со счётом 56.3/100, опережая Cherry MX board2.0 (56.2).

Главные различия: Количество клавиш (108 vs 104) · Тип переключателей (薄膜 vs 机械轴(黑轴)).

Оценки рассчитаны по 4 публичным характеристикам; недостающие данные помечаются как неизвестные и заполняются медианой категории, не выдаваясь за измеренные.

🏆 Победитель Cherry Cherry KC1000

Cherry Cherry KC1000

Cherry
56баллов / 100
1 победа · 1 ничья
Cherry MX board2.0

Cherry MX board2.0

Cherry
56баллов / 100
0 побед · 2 ничьи

С одного взгляда

0–100 по группам, нормализовано в категории · Нажмите группу для деталей

Cherry Cherry KC1000Cherry MX board2.0
Дизайн 71 71
Подключение 32 32

Как выбрать

Берите Cherry Cherry KC1000, если для вас важно…

  • Количество клавиш 108 +4 vs 104

Лучшая цена сейчас

Дешёвые альтернативы

В чём разница

2 · Только различающиеся строки, с вердиктом по каждой

Cherry Cherry KC1000Cherry MX board2.0В чём разница
Количество клавиш 108104 Cherry Cherry KC1000
Тип переключателей 薄膜机械轴(黑轴) Зависит

Полная таблица

Сгруппировано и сворачивается · Нажмите группу, чтобы свернуть

Дизайн2▾
Cherry Cherry KC1000Cherry MX board2.0
Раскладка 全尺寸式 全尺寸式
Количество клавиш 108 104
Подключение1▾
Cherry Cherry KC1000Cherry MX board2.0
Беспроводное соединение 2.4 ГГц — —
Тактильность1▾
Cherry Cherry KC1000Cherry MX board2.0
Тип переключателей 薄膜 机械轴(黑轴)

Источники данных: GSMArena

Частые вопросы

Что лучше, Cherry Cherry KC1000 или Cherry MX board2.0?

Cherry Cherry KC1000 побеждает с небольшим отрывом, 56 против 56 и лидирует в Дизайн.

В чём главные различия?

Главные различия: Количество клавиш (108 vs 104) · Тип переключателей (薄膜 vs 机械轴(黑轴)).

Как рассчитываются оценки?

Мы нормализуем 4 публичных характеристик внутри категории и взвешиваем их по группам для оценки 0–100; недостающие значения наследуются от моделей с идентичными характеристиками или импутируются по медиане категории, поэтому неполная карточка никогда не получает преимущества. Методология открыта.