OpenAI APIエラー解決法｜ChatCompletion廃止・GPT-4アクセス不可・画像アップロード失敗【2026年版】

このやり方で何ができるか

OpenAI APIを使う開発者がよく直面する問題を解決できます。古い書き方のコードが動かなくなる「ChatCompletion廃止エラー」や「v1/completions誤用エラー」、GPT-4モデルにアクセスできない問題、そしてインポートエラーや画像ファイルを送信する方法です。これらを一つずつ対処することで、APIを使った自動処理（メール文案の生成・資料の要約・画像の説明など）が正常に動くようになります。

準備するもの

• パソコンのターミナル（コマンド入力画面）
• OpenAIアカウント（有料プランに登録済み）
• APIキー（OpenAIの公式サイトから取得）
• Python 3.8以上がインストールされた環境
• テキストエディタ（メモ帳など）

手順

1. インポートエラーの原因を確認する（所要時間：5分）

OpenAI APIの利用を始める際、以下のようなインポートエラーが発生することがあります。

ModuleNotFoundError: No module named 'openai'
AttributeError: module 'openai' has no attribute 'ChatCompletion'
ImportError: cannot import name 'OpenAI' from 'openai'

これらのエラーが出る主な原因は以下の3つです。

1. OpenAI Pythonライブラリがインストールされていない
2. 古いバージョン（0.x系）がインストールされている
3. 新しいAPI形式の使用方法に対応していない

最初にターミナルで、現在インストールされているOpenAIライブラリのバージョンを確認しましょう。

pip show openai

実行結果の例：

Name: openai
Version: 1.3.0
Summary: The official Python library for the OpenAI API

• 出力がない場合：ライブラリがインストールされていません。次のステップに進みます。
• Version が1.0.0以上：新しいAPI形式を使用する必要があります。
• Version が0.x系：古いバージョンです。アップグレードが必要です。

2. OpenAIライブラリをインストール・更新する（所要時間：3分）

インストールされていない場合

pip install openai

古いバージョンをアップグレードする場合

pip install --upgrade openai

環境の問題がある場合（複数のPython環境がある場合）

明示的にPythonのバージョンを指定してインストールします。

python3.10 -m pip install openai

または、仮想環境を使用して環境を分離します。

python3 -m venv openai_env
source openai_env/bin/activate  # macOS/Linux
# または
openai_env\Scripts\activate  # Windows
pip install openai

更新後、改めてバージョン確認をします。

pip show openai

3. SSL/urllib3エラーへの対応（所要時間：3分）

OpenAI APIへのHTTPS通信時に、以下のようなSSLエラーが発生することがあります。

urllib3.exceptions.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed
ssl.SSLError: [SSL: TLSV1_ALERT_UNKNOWN_CA] tlsv1 alert unknown ca

セキュリティ関連パッケージを最新にアップグレードしてください。

pip install --upgrade requests urllib3 certifi

macOS特有の対応：以下のコマンドでSSL証明書をインストールします。

/Applications/Python\ 3.11/Install\ Certificates.command

※3.11の部分は、使用しているPythonのバージョンに置き換えてください。

プロキシ環境での対応：会社のネットワークなど、HTTPプロキシを経由している場合は環境変数を設定します。

# Linux・macOS の場合
export HTTPS_PROXY=http://proxy.company.com:8080

# Windows PowerShell の場合
$env:HTTPS_PROXY="http://proxy.company.com:8080"

4. コードの書き方を新しい形に変更する（所要時間：10分）

新しいバージョン（1.0.0以降）では、クライアント（OpenAIに話しかける部品）を作ってから使う形に変わりました。以下が新しい書き方です。

from openai import OpenAI

client = OpenAI(api_key="sk-xxxx")  # APIキーを入力

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content": "こんにちは"}
    ]
)

print(response.choices[0].message.content)

環境変数からAPIキーを読み込む方法（推奨）もあります。環境変数を設定するにはターミナルで以下のように実行します。

# Linux・macOS の場合
export OPENAI_API_KEY="sk-..."

# Windowsの場合（コマンドプロンプト）
set OPENAI_API_KEY=sk-...

# Windowsの場合（PowerShell）
$env:OPENAI_API_KEY="sk-..."

環境変数を設定した後は、Pythonコード内でAPIキーを明示的に書く必要がなくなります。APIキーが OPENAI_API_KEY という名前の環境変数に設定されていれば、api_key を明示的に渡さなくても自動的に読み込まれます。

from openai import OpenAI

# 環境変数 OPENAI_API_KEY からAPIキーを自動取得
client = OpenAI()

古い書き方（使えない）：

import openai
openai.api_key = "sk-xxxx"
response = openai.ChatCompletion.create(...)  # これはエラーになる

また、v1/completions エンドポイントを直接使っていた古いコードも同様にエラーになります。以下のような Completion.create() の書き方も使えません。

# 間違い：Completionsエンドポイントを使おうとしている
response = openai.Completion.create(
    model="gpt-3.5-turbo",
    prompt="Hello, how are you?",
    max_tokens=100
)

ポイントは、client = OpenAI() で箱を作ってから、client.chat.completions.create() のように使うことです。また、パラメータが prompt から messages（辞書型の配列）に変わり、レスポンスの取得も response.choices[0].text から response.choices[0].message.content に変わっています。

なお、新形式ではレスポンスは辞書ではなくPythonオブジェクトとして返されることに注意してください。

# ❌ NG（辞書アクセス）
content = response["choices"][0]["message"]["content"]

# ✅ OK（属性アクセス）
content = response.choices[0].message.content

エンドポイントとモデルの対応は以下の通りです。

また、openai 1.0.0への移行では以下の主な変更点を把握しておくと便利です。

messages 配列内の role には以下の3種類が使えます。

• system：AIの振る舞いを定義する指示（最初に1つだけ配置）
• user：ユーザーからの質問や指示
• assistant：AIの前の応答（会話履歴を含める場合）

5. GPT-4にアクセスできない場合の原因を確認する（所要時間：5分）

GPT-4モデルを使おうとすると「You exceeded your current quota」や「The model ‘gpt-4’ does not exist」というエラーが出ることがあります。これは以下の3つのどれかが原因です。

1. アカウントがGPT-4へのアクセス権を持っていない → OpenAIの公式サイトで有料プランが必要です。無料試用版ではGPT-4が使えません。
2. APIキーが無効になっている → キーの有効期限を確認し、必要に応じて新しいキーを作成します。OpenAI公式ページ（https://platform.openai.com/account/api-keys）でAPIキーの状態を確認しましょう。
3. モデル名が間違っている → 正しい名前は「gpt-4」や「gpt-4-turbo」などです。利用可能なモデルはOpenAI公式ドキュメント（https://platform.openai.com/docs/models）で確認できます。

APIキーの有効性を確認するテストコードを実行します。

from openai import OpenAI, AuthenticationError

try:
    client = OpenAI()
    
    # 簡単なAPI呼び出しでキーの有効性を確認
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": "テスト"}],
        max_tokens=5
    )
    print("✓ APIキーは有効です")
    
except AuthenticationError as e:
    print(f"✗ APIキーが無効です: {e}")
except Exception as e:
    print(f"✗ エラーが発生しました: {e}")

アカウント設定でGPT-4が使える状態なら、コード例を以下のように書きます。

from openai import OpenAI

client = OpenAI(api_key="sk-xxxx")

response = client.chat.completions.create(
    model="gpt-4",  # GPT-4を指定
    messages=[
        {"role": "user", "content": "日本語で5行の物語を書いてください"}
    ]
)

print(response.choices[0].message.content)

6. 画像をアップロードして分析させる（所要時間：15分）

ChatGPTでは画像ファイルをアップロードして内容を説明させることが出来ます。APIでも同じようなことができます。

まず、ファイルを準備します。JPGやPNG形式の画像をパソコンに保存しておきましょう。

次に、以下のようにコードを書きます。ファイルをBase64という形式に変換して、APIに送信するやり方です。

from openai import OpenAI
import base64

client = OpenAI(api_key="sk-xxxx")

# 画像ファイルをBase64に変換
with open("image.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="gpt-4-vision",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{image_data}"
                    }
                },
                {
                    "type": "text",
                    "text": "この画像に何が写っていますか？日本語で説明してください"
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

「image.jpg」の部分をあなたの画像ファイルの名前に変えて、実行します。

別のやり方として、すでにネット上にある画像のURLを直接渡すこともできます。

response = client.chat.completions.create(
    model="gpt-4-vision",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                },
                {
                    "type": "text",
                    "text": "この画像について説明してください"
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

7. 実際に試してみる（所要時間：5分）

テキストエディタに上の例を貼り付けて、APIキーをあなたのものに変更して保存します。ファイル名を「test.py」として保存しましょう。

ターミナルで以下を実行します。

python test.py

APIへの要求が成功すれば、生成されたテキストが画面に表示されます。

修正後の動作確認には、以下のような簡単なテストコードを使うと便利です。

from openai import OpenAI

def test_openai_connection():
    """OpenAI接続テスト"""
    try:
        client = OpenAI()
        
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "user", "content": "こんにちは"}
            ],
            max_tokens=50
        )
        
        message = response.choices[0].message.content
        print(f"✓ 接続成功: {message}")
        return True
    
    except Exception as e:
        print(f"✗ エラー: {type(e).__name__}: {e}")
        return False


if __name__ == "__main__":
    test_openai_connection()

エラーが出ずに応答が返ってくれば、修正は成功しています。

8. つまずきやすいところで確認する（所要時間：5分）

もしエラーが出た場合は、以下をチェックします。

インポートエラー → 「No module named ‘openai’」と出たら、openaiライブラリがインストールされていません。pip install openai で再度インストールします。また、「ImportError: cannot import name ‘OpenAI’」が出る場合は、古いバージョンがインストールされています。pip uninstall openai してから pip install openai>=1.0.0 で再インストールしてください。「AttributeError: module ‘openai’ has no attribute ‘ChatCompletion’」が出た場合も同様に、バージョン1.0以降の新しい書き方に変更してください。

SSL/urllib3エラー → 「urllib3.exceptions.SSLError」が出た場合は、pip install --upgrade certifi requests urllib3 でセキュリティ関連パッケージを更新します。macOSの場合は、/Applications/Python\ 3.11/Install\ Certificates.command でSSL証明書をインストールしてください。プロキシ環境の場合は、環境変数で HTTPS_PROXY を設定します。

APIキーのエラー → 「Authentication failed」と表示される場合は、キーをコピペする際に空白が混じっていないか確認します。OpenAIのサイトから改めてコピーして貼り付けます。環境変数が正しく設定されているかも確認しましょう（import os; print(os.getenv("OPENAI_API_KEY")) で確認できます）。

モデル名のエラー → 「The model does not exist」や「model not found」が出たら、モデル名の綴りを確認します。大文字と小文字が混じっていないか見直します。最新のモデル一覧はOpenAI公式ドキュメントで確認してください。

エンドポイントのエラー → 「This is a chat model and not supported in the v1/completions endpoint」が出たら、Completion.create() を使っていないか確認します。client.chat.completions.create() に変更し、prompt パラメータを messages 配列に変えます。また、messages 配列には必ず role（system / user / assistant のいずれか）と content を指定してください。

レート制限エラー → 「rate limit exceeded」（429エラー）が出た場合はAPIの利用制限に達しています。リクエストの頻度を下げるか、時間をおいてから再試行してください。

ファイルが見つからない → 画像ファイルを使う場合、ファイル名のスペルが完全に一致しているか、ファイルがPythonスクリプトと同じフォルダに入っているか確認します。

レスポンスの取得方法が違う → 新形式ではレスポンスはオブジェクトです。response["choices"][0]["message"]["content"] のような辞書アクセスではなく、response.choices[0].message.content のように属性アクセスを使ってください。「‘ChatCompletion’ object is not subscriptable」や「‘Message’ object is not subscriptable」というエラーが出た場合もこれが原因です。

ストリーミング時のNoneエラー → ストリーミング応答で delta.content が None になることがあります。以下のように条件チェックを入れてください。

# ❌ 危険なコード
for chunk in response:
    content = chunk.choices[0].delta.content  # None のこともある
    print(content, end='')

# ✅ 安全なコード
for chunk in response:
    if chunk.choices[0].delta and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='')

つまずきやすいところ

古い書き方のコードをネットで見つけてコピーしてしまう → 2023年以前の記事には古い「openai.ChatCompletion」や「openai.Completion」の書き方が載っていることが多いです。記事の日付を確認してから試します。

openai パッケージのバージョンを確認しないままコードを書く → openai 0.x系と1.0.0以降では、API形式が全く異なります。必ず pip show openai でバージョンを確認してから、正しいAPI形式を使用してください。

複数のPython環境がある場合に、別環境にインストールしてしまう → pip install がどのPython環境にインストールしているか不明確な場合は、python3.10 -m pip install openai のように明示的にバージョンを指定するか、仮想環境を使用してください。

prompt パラメータをそのまま使ってしまう → Chat Completionでは messages 配列を使います。prompt="Hello" ではなく、messages=[{"role": "user", "content": "Hello"}] の形に変えてください。

messages の形式を間違える → messages は辞書のリストである必要があります。文字列をそのまま渡すとエラーになります。また、role の値は system / user / assistant のいずれかのみ有効です。"admin" など不正な値を指定するとエラーになります。

レスポンスを辞書として扱ってしまう → 新形式ではレスポンスはPythonオブジェクトです。response["choices"][0]["message"]["content"] ではなく response.choices[0].message.content と書いてください。「‘ChatCompletion’ object is not subscriptable」や「‘Message’ object is not subscriptable」というエラーはこれが原因です。

APIキーを誤って公開してしまう → GitHubなどにコードをアップロードする時は、APIキーを環境変数に移してからアップロードします。誤って公開したら、OpenAIのサイトからキーを削除して新しいものを作り直します。

GPT-4が使えるはずなのに「does not exist」と言われる → 無料試用版では使えません。有料プランへのアップグレードが必要です。またはGPT-3.5-turboなどの別のモデルで試してみます。

画像の形式に対応していない → JPG、PNG、GIF、WebPが対応形式です。BMP形式などは変換が必要な場合があります。

トークン数とコストに注意する → v1/chat/completions では、messages 配列全体（systemメッセージ・ユーザーメッセージ双方）がトークン数にカウントされます。不要な会話履歴は削除し、systemメッセージは必要最小限に留めることでコストを抑えられます。

JSON形式のレスポンスをそのまま使おうとする → response_format={"type": "json_object"} を指定しても、response.choices[0].message.content は文字列です。辞書として使うには json.loads() で変換が必要です。

import json

content_str = response.choices[0].message.content
parsed = json.loads(content_str)

慣れてきたら試したいこと

システムメッセージを活用する → messages 配列に role: "system" のメッセージを追加することで、AIの振る舞いを細かく制御できます。例えば「あなたはPythonプログラミングの専門家です」と指定することで、回答の質が向上します。ただし、systemメッセージが長すぎるとトークンコストが増えるため、簡潔に書くのがポイントです。

エラーハンドリングを追加する → APIが失敗した時に自動で再試行したり、分かりやすいエラーメッセージを出すように工夫します。本番環境で使う時は重要です。以下のように指数関数的バックオフを使った再試行が効果的です。

import time
from openai import OpenAI

client = OpenAI()

def call_api_with_retry(max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": "テスト"}]
            )
            return response
        except Exception as e:
            if "429" in str(e) and attempt < max_retries - 1:
                wait_time = 2 ** attempt  # 1秒、2秒、4秒と指数関数的に増やす
                print(f"{wait_time}秒待機してから再試行します...")
                time.sleep(wait_time)
            else:
                raise

result = call_api_with_retry()
print(result.choices[0].message.content)

openai 1.0.0以降では、エラークラスも整理されています。

import openai

client = openai.OpenAI()

try:
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": "Hello"}]
    )
except openai.RateLimitError:
    print("❌ レート制限に達しました。しばらく待ってください。")
except openai.APIConnectionError:
    print("❌ API に接続できません。ネットワークを確認してください。")
except openai.APIError as e:
    print(f"❌ API エラー: {e}")

複数の画像を一度に分析させる → messages内に複数の画像を入れて、「これらの画像の共通点は？」といった質問をさせることができます。

会話の記憶を保つ会話を作る → 前回のやり取りをmessagesに入れておくことで、会話の流れを保つことができます。以下のようにクラスを使って管理するとシンプルです。

from openai import OpenAI

class ChatAssistant:
    def __init__(self, api_key):
        self.client = OpenAI(api_key=api_key)
        self.messages = [
            {"role": "system", "content": "You are a helpful assistant."}
        ]
    
    def send_message(self, user_message):
        self.messages.append({"role": "user", "content": user_message})
        response = self.client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=self.messages,
            temperature=0.7
        )
        assistant_response = response.choices[0].message.content
        self.messages.append({"role": "assistant", "content": assistant_response})
        return assistant_response

ストリーミングでリアルタイム出力する → stream=True を指定することで、生成されたテキストをリアルタイムで受け取れます。

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "長めのテキストを生成して"}],
    stream=True
)

for chunk in response:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

非同期処理（async/await）に対応させる → 非同期でAPIを呼び出す場合は AsyncOpenAI を使います。複数のAPI呼び出しを並行実行することで高速化できます。

import asyncio
from openai import AsyncOpenAI

async def call_api():
    client = AsyncOpenAI(api_key="sk-xxxxxx")
    response = await client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": "Hello"}]
    )
    return response.choices[0].message.content

# 複数の API 呼び出しを並行実行
async def main():
    tasks = [call_api() for _ in range(5)]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

複数の回答を一度に取得する → n パラメータを指定することで、異なる回答を複数まとめて取得できます。

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content": "5つの創造的なアイデアを提案してください"}
    ],
    n=3  # 3つの異なる回答を取得
)

for i, choice in enumerate(response.choices):

---

## あわせて読みたい

- [Claude API「403 Forbidden/PermissionDeniedError」の原因と解決方法【Pythonコード付き】](/code/claude-code-403-forbidden/)
- [Claude Code「Connection timeout」エラーの原因と解決方法｜3つの対処法](/code/claude-code-connection-timeout/)
- [Claude Code「command not found」エラーの解決方法【macOS・Windows・WSL完全対応】](/code/claude-code-extension-not-found/)