Z AI, 비전 코딩 모델 'GLM-5V-Turbo' 출시…스케치·화면 녹화로 앱 복제

머릿속 인터페이스 구상을 코드로 옮기는 일은 생각보다 번거롭습니다. 프롬프트로 버튼 위치와 여백을 구구절절 설명해도 원하는 형태가 단번에 나오는 경우는 드물었습니다.

Z AI(즈푸)가 비전 코딩 모델 'GLM-5V-Turbo'를 선보였습니다. 거친 손그림 스케치나 화면 캡처, 심지어 실제 작동 화면을 녹화한 비디오를 보고 곧바로 실행 가능한 애플리케이션 코드를 짜내는 모델입니다.

형편없는 스케치부터 화면 애니메이션 복제까지

GLM-5V-Turbo는 네이티브 멀티모달 아키텍처 기반으로 200K의 컨텍스트 윈도를 지원합니다. 텍스트뿐만 아니라 이미지, 비디오, 문서를 한 번에 입력받아 입체적으로 분석합니다.

가장 눈에 띄는 점은 거친 입력에 대한 관대함입니다. 종이에 대충 휘갈겨 그린 투박한 와이어프레임이라도 컴포넌트 배치를 이해하고 온전히 동작하는 앱을 만들어냅니다. 여기에 디자인 레퍼런스 이미지를 함께 넣으면 구조는 유지한 채 원하는 스타일을 입혀줍니다.

비디오 처리 역량도 강력합니다. 기존 웹사이트를 이용하는 화면 녹화 영상을 넘겨주면 페이지 구조를 분석해 그대로 구현하고, 전환 애니메이션 효과까지 복제해냅니다. 자체 발표에 따르면 주요 디자인 벤치마크에서 Kimi K2.5는 물론 Claude Opus 4.6을 앞서는 성적을 거뒀습니다.

환경을 보고 행동하는 코딩 에이전트 연동

단순히 이미지를 코드로 바꾸는 수준을 넘어 에이전트 도구 생태계도 갖췄습니다. 텍스트 도구 외에도 멀티모달 검색, 화면 영역 지정, 스크린샷, 웹페이지 읽기 등 시각 기반 도구를 공식 지원합니다.

이를 통해 AI가 웹사이트를 자율적으로 브라우징하며 페이지 구조를 파악하고 에셋을 수집해 사이트 전체를 다시 짜 맞추는 식의 GUI 탐색이 가능해졌습니다.

또한 Claude Code, OpenClaw 같은 코딩 에이전트와 즉시 맞물려 돌아가도록 공식 스킬셋을 완비했습니다. 현재 Z AI의 채팅 플랫폼에서 직접 써볼 수 있으며, API를 통한 연동도 열려 있습니다.

왜 중요한가

멀티모달 모델이 코드를 짜는 흐름에서 '정적 이미지'를 넘어 '녹화 영상의 모션'까지 이해하고 구현하기 시작했다는 점은 꽤 큰 변화입니다.

1인 개발자나 제품 기획자 입장에서 프로토타입 제작 장벽은 사실상 무너졌습니다. 마음에 드는 서비스의 반응형 인터랙션을 화면으로 녹화해 던져주기만 해도 기본 뼈대와 애니메이션 코드가 나오기 때문에 초기 검증 비용이 획기적으로 줄어듭니다.

자체 플랫폼에만 모델을 묶어두지 않고, Claude Code나 OpenClaw 같은 외부 코딩 에이전트에 발 빠르게 맞춤 연동을 제공한 점도 영리한 선택입니다. 에이전트 작업 흐름의 핵심 시각 모듈로 자리 잡는 편이 생태계 장악에 훨씬 유리하기 때문입니다.

다만 동작하는 데모를 뽑아내는 것과 실무에서 유지보수할 수 있는 깔끔한 코드를 작성하는 것은 다른 문제입니다. 생성된 컴포넌트 구조와 상태 관리가 실제 프로덕션 환경의 눈높이를 맞출 수 있을지는 현업 개발자들의 실제 적용 결과를 지켜봐야 합니다.