برمجة واجهة المستخدم (UI) تمثل جزءًا أساسيًا لكنه معقدًا للغاية في تطوير البرمجيات الحديثة. تُظهر التطورات الأخيرة في نماذج اللغة البصرية (VLMs) إمكانات البرمجة التلقائية لواجهة المستخدم، لكن الطرق الحالية تواجه قيودًا رئيسية: تظل القدرات متعددة الوسائط غير متطورة بشكل كافٍ، كما أن النماذج أحادية الدور لا تستفيد بشكل فعّال من التغذية الراجعة البصرية التكرارية. نعالج هذه التحديات من خلال نموذج تفاعلي لتحويل واجهة المستخدم إلى كود، يعكس بفعالية أكبر سير العمل في العالم الحقيقي، ويرفع الحد الأقصى للأداء الممكن تحقيقه. ضمن هذا النموذج، نقدّم نموذج UI2Code$^ ext{N}$extN، وهو نموذج لغة بصرية تم تدريبه عبر مراحل متعددة من التدريب المسبق، والضبط الدقيق، والتعلم بالتحفيز، بهدف تحقيق تحسينات أساسية في البرمجة متعددة الوسائط. يُوحّد النموذج ثلاث قدرات رئيسية: إنشاء الكود من واجهة المستخدم، وتحرير واجهة المستخدم، وتحسين واجهة المستخدم. كما نستكشف تقنيات التوسع في وقت الاختبار لدعم التوليد التفاعلي، مما يمكّن من الاستفادة المنظمة من التغذية الراجعة متعددة الدورات. أظهرت التجارب على معايير تحويل واجهة المستخدم إلى كود وتحسين واجهة المستخدم أن نموذج UI2Code$^ ext{N}$extN يُحدث حالة جديدة من الأداء بين النماذج المفتوحة المصدر، ويحقق أداءً يُقارن بأفضل النماذج المغلقة مثل Claude-4-Sonnet وGPT-5. يمكن الوصول إلى الكود والنماذج الخاصة بنا عبر الرابط: https://github.com/zai-org/UI2Code_N.