사용자 인터페이스(UI) 프로그래밍은 현대 소프트웨어 개발의 핵심이면서도 매우 복잡한 영역이다. 최근 시각 언어 모델(VLM)의 발전은 자동 UI 코드 생성의 가능성을 부각시키고 있으나, 기존 접근 방식은 두 가지 주요한 한계를 안고 있다. 첫째, 다중 모달 코드 생성 능력이 여전히 미흡하며, 둘째, 단일 대화(turn) 기반의 접근 방식은 반복적인 시각 피드백을 효과적으로 활용하지 못한다. 본 연구는 현실 세계의 개발 워크플로우를 더 잘 반영하고, 달성 가능한 성능의 상한선을 높이는 상호작용형 UI-to-code 파라다임을 제안한다. 이 파라다임 아래에서, 단계적 사전 학습, 미세 조정 및 강화 학습을 통해 훈련된 시각 언어 모델인 UI2Code$^{\text{N}}$N을 제시한다. 이 모델은 다중 모달 코드 생성 능력에서 기초적인 성능 향상을 달성하며, 세 가지 핵심 기능을 통합한다: UI-to-code 생성, UI 편집, UI 최적화. 또한, 상호작용적 생성을 위한 테스트 시각 규모 확장( test-time scaling)을 탐구하여 다단계 피드백을 체계적으로 활용할 수 있도록 했다. UI-to-code 및 UI 최적화 벤치마크에서의 실험 결과, UI2Code$^{\text{N}}$N은 오픈소스 모델 중 최고 수준의 성능을 확보하였으며, Claude-4-Sonnet 및 GPT-5와 같은 선도적인 폐쇄형 모델과도 비견되는 성능을 달성했다. 본 연구의 코드와 모델은 https://github.com/zai-org/UI2Code_N 에서 공개된다.