Na Windows 11 możesz uruchamiać i budować kontenery Linux przez wslc.exe, narzędzie wiersza poleceń dołączone do WSL. Microsoft opisuje w swoim przewodniku po kontenerach w WSL zarówno test hello-world, jak i budowanie obrazu projektu. Nie trzeba instalować osobnego silnika kontenerów.

Co umożliwia wslc w Windows 11

wslc.exe pozwala pobierać obrazy, uruchamiać kontenery Linux, budować własne obrazy i publikować porty, czyli udostępniać usługę działającą w kontenerze pod portem dostępnym w Windows. To narzędzie do kontenerów Linux, nie do kontenerów Windows.

Przygotuj WSL i sprawdź pierwszy kontener

Uruchom pierwszy kontener za pomocą WSL
Zainstaluj WSL tylko wtedy, gdy go brakuje, zaktualizuj go, a następnie sprawdź wslc testowym kontenerem Linux.

Otwórz PowerShell. Wykonaj te kroki po kolei:

  1. Zainstaluj WSL, jeśli jeszcze go nie masz. Wpisz wsl --install. Jeśli WSL jest już zainstalowany, przejdź do następnego kroku.
  2. Zaktualizuj WSL. Uruchom wsl --update, aby przygotować środowisko potrzebne do pracy z wslc.
  3. Sprawdź, czy działa wslc. Wpisz wslc version. Polecenie powinno wyświetlić wersję narzędzia.
  4. Uruchom obraz testowy. Wpisz wslc run --rm hello-world. Jeśli obrazu nie ma jeszcze na komputerze, zostanie pobrany automatycznie; komunikat powitalny oznacza, że test się powiódł. Opcja --rm usuwa kontener po zakończeniu działania.

Zbuduj obraz projektu i udostępnij usługę

wslc może zbudować obraz na podstawie pliku Containerfile, czyli instrukcji opisujących sposób przygotowania obrazu. W przykładzie Microsoftu plik dla aplikacji Django zawiera między innymi polecenia instalujące zależności z requirements.txt, kopiujące pliki projektu i uruchamiające manage.py na porcie 8000:

FROM python:3
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["python", "manage.py", "runserver", "0.0.0.0:8000"]

Umieść Containerfile w głównym katalogu projektu, a następnie uruchom poniższe polecenia z tego katalogu w PowerShellu:

wslc build -t helloworld-django .
wslc image list
wslc run -d --rm -p 8000:8000 --name django helloworld-django

Pierwsze polecenie buduje obraz o nazwie helloworld-django, drugie wyświetla lokalne obrazy, a trzecie uruchamia kontener w tle. Parametr -p 8000:8000 łączy port 8000 w Windows z portem 8000 kontenera. Otwórz w przeglądarce http://localhost:8000/, aby sprawdzić działanie aplikacji.

Sprawdź kontener i posprzątaj po pracy

Listę uruchomionych kontenerów wyświetlisz poleceniem wslc container list, a logi aplikacji sprawdzisz przez wslc container logs django. Polecenie wslc exec django uname uruchamia uname wewnątrz kontenera; wynik Linux potwierdza, że działa w nim system Linux.

Gdy skończysz, zatrzymaj kontener:

wslc container stop django

Ponieważ uruchomiono go z opcją --rm, po zatrzymaniu zostanie usunięty. Do diagnozowania problemów służą także wslc container inspect <container-id> i wslc image inspect <image>. Nieużywane zasoby można usunąć poleceniami wslc container prune i wslc image prune.

Projekty obsługiwane narzędziami Linux w WSL przechowuj w linuksowym systemie plików WSL. Microsoft ostrzega, że dostęp do plików projektu zapisanych w systemie plików Windows może być znacznie wolniejszy.

Co pokazał raportowany test GPU

W artykule opublikowanym 23 października 2026 r. Abhinav Raj z XDA opisał test kontenera z dostępem do GPU na komputerze z procesorem Ryzen 5 7600X, kartą NVIDIA RTX 4070 Ti Super z 16 GB pamięci VRAM i sterownikiem NVIDIA 617.14. W konfiguracji użyto obrazu nvidia/cuda:12.9.1-base-ubuntu24.04 oraz llama.cpp z modelem Gemma 4 E4B.

Przy kwantyzacji Q4_K_M, pełnym wykorzystaniu GPU, kontekście 128K, tym samym promptcie i odpowiedzi długości 256 tokenów test kontenerowy osiągnął 124 tokeny/s w obu uruchomieniach. Dwa uruchomienia natywne osiągnęły 128–132 tokenów/s. Są to wyniki konfiguracji opisanej przez Abhinava Raja.

W tym samym artykule XDA opisało brak obsługi Compose w wslc podczas testu i podało, że Microsoft pracował nad obsługą istniejących plików Compose.

wslc pozwala budować i uruchamiać kontenery Linux oraz udostępniać ich usługi przez porty Windows. W opisanym teście GPU kontener uruchomił llama.cpp z dostępem do karty NVIDIA.